Ocena przydatności danych spektroradiometru MODIS do wyznaczania zachmurzenia ogólnego

Transkrypt

1 Instytut Geografii i Gospodarki Przestrzennej Uniwersytetu Jagiellońskiego Zakład Systemów Informacji Geograficznej, Kartografii i Teledetekcji Andrzej Kotarba Ocena przydatności danych spektroradiometru MODIS do wyznaczania zachmurzenia ogólnego Praca doktorska wykonana pod kierunkiem dr hab. Jacka Kozaka Uniwersytet Jagielloński Kraków 21

2 Dziękuję mojemu promotorowi, dr hab. Jackowi Kozakowi za pomoc okazaną w czasie moich studiów doktoranckich oraz w trakcie pisania niniejszej pracy. Dziękuję żonie i synowi za ciepliwość, wyrozumiałość i wsparcie.

3 Pracę dedykuję Rodzicom

4 Badania, których wyniki opisuje praca, zostały wykonane w ramach grantu promotorskiego Ministerstwa Nauki i Szkolnictwa Wyższego pt. Ocena przydatności danych spektroradiometru MODIS do wyznaczania zachmurzenia ogólnego (N N ), zrealizowany pod kierunkiem dr hab. Jacka Kozaka.

5 Spis treści 1. Wprowadzenie Definicjachmuryizachmurzenia Metodyobserwacjichmuriwyznaczaniazachmurzenia Obserwacjewizualne Obrazowaniesatelitarne Rozbieżności między wizualnymi i satelitarnymi ocenami zachmurzenia SensorMODIS Celpracy Daneimetody DaneMODIS Maskachmur Ilościowainterpretacjamaskichmur Wyznaczaniezachmurzeniaogólnegodlaotoczeniastacji BazaobserwacjiMODIS DaneSYNOP DepeszeSYNOPiichinterpretacja BazaobserwacjiSYNOP Daneopokrywieśnieżnej MetodyocenyprzydatnościdanychMODIS Porównanieobserwacjiterminowych Porównanieśrednichdobowych,miesięcznychirocznych Charakterystykistatystyczne Zgodność MODIS i SYNOP na poziomie obserwacji terminowych Średniawielkośćzachmurzeniaogólnego Średniarozbieżnośćocenzachmurzeniaogólnego Czynnikiwpływającenarozbieżnośćocenzachmurzeniaogólnego Poraroku Stopieńzachmurzenia Piętrozachmurzenia Rodzajchmur

6 KątobrazowaniaMODIS Podłożeprzybrakupokrywyśnieżnej Pokrywaśnieżna Zgodność MODIS i SYNOP na poziomie średnich klimatologicznych Różnicemiędzyśrednimidobowymi Różnicemiędzyśrednimimiesięcznymi Różnicemiędzyśrednimirocznymi Dyskusja WiarygodnośćdepeszSYNOP Poprawnośćzałożeńmetodycznych Interpretacjamaskichmur Promieńreprezentatywnościobserwacjinaziemnej Skalaocenystopniazachmurzenia Przyczynyrozbieżnościocenzachmurzenia Rozbieżnośćwcykludobowymirocznym Rozbieżnościwkontekściepięterirodzajówchmur Znaczeniecharakterutładlaobserwacjisatelitarnej Znaczenieobecnościpokrywyśnieżnej ZnaczeniekątaobrazowaniaMODIS Wiarygodność średnich dobowych, miesięcznych i rocznych ocen zachmurzeniaogólnegoprzezmodis RozbieżnościMODISSYNOPnatleinnychsensorów ISCCP AVHRR SEVIRI VIIRSikontynuacjaobserwacjiMODIS Wnioski 141 Bibliografia 146 Spis tabel 156 Spis rycin 158 6

7 1. Wprowadzenie Z342Wm 2 energiiśrednioroczniedocierającejzesłońcadoziemi,31%od razu trafia z powrotem w przestrzeń kosmiczną wskutek planetarnego albedo(kiehl i Trenberth 1997). Głównym czynnikiem decydującym o tej wartości są chmury ilość odbijanego przez nie promieniowania odpowiada wymuszaniu radiacyjnemu równemu44wm 2.Zdrugiejstrony,chmuryabsorbująpromieniowaniedługofalowe emitowane przez Ziemię i atmosferę, skutkiem czego wymuszanie radiacyjne chmurowegoefektucieplarnianegosięga+31wm 2.Wpływnetto,jakichmury mająnaglobalnybilansenergetycznyjestwięcujemny(13wm 2 ),cooznacza, iż zachmurzenie przyczynia się do ochładzania atmosfery(ramanathan i in. 1989). Dotychczasowe symulacje wskazują, iż nawet niewielkie zmiany średniego globalnego zachmurzenia ogólnego mogą mieć duży wpływ na wielkości średniej globalnej temperatury wzrosttemperaturywynikającyzpodwojeniakoncentracjico 2,według Randalla i in.(1984) zostałby zrównoważony czteroprocentowym wzrostem zachmurzenia chmurami Stratus, a zdaniem Stowe a i in.(1999) wzrostem średniego globalnego zachmurzenia ogólnego o 8%. Przykłady te ilustrują, jak istotna z punktu widzenia klimatologii jest precyzyjna znajomość wielkości zachmurzenia ogólnego. Jednak zachmurzenie ma nie mniejsze znaczenie w gospodarce, będąc głównym czynnikiem decydującym o dopływie promieniowania krótkofalowego do ogniw elektrowni słonecznych. Ma to szczególnie duże znaczenie w strefie umiarkowanej, skupiającej większość ludności świata. Nie dziwi więc fakt włączania zachmurzenia ogólnego, 7

8 wraz z optycznymi i mikrofizycznymi właściwościami chmur, do grona czterdziestu czterech najważniejszych zmiennych klimatycznych(essential climate variables, ECVs) Globalnego Systemu Obserwacji Klimatu(Global Climate Observing System, GCOS), na równi ze znajomością stężeń gazów śladowych, temperaturą powietrza, kolorem oceanów czy zmianami pokrycia terenu(wmo 23) Definicja chmury i zachmurzenia Podstawą oceny zachmurzenia jest obserwacja chmur. Najogólniejsza definicja przytaczana przez Di Girolamo i Daviesa(1997) oraz Norrisa(25), mówi, iż chmura to woda lub lód zawieszony w powietrzu. Choć taka definicja pozwala rozróżnić chmury od gazów i aerozoli, Di Girolamo i Davis słusznie zarzucają jej brak precyzji ilościowej pytają, czy dwie krople wody o średnicy 1 µm, umieszczone w odległości 2 m od siebie stanowią już chmurę? Precyzja ilościowa jest częściowo wprowadzona przez definicję WMO: chmura to agregat niewielkich, zawieszonych w powietrzu cząstek wody lub lodu, lub obydwu, który jest w wystarczającej koncentracji, by być widocznym (Rangno 23). Pragmatyzm tej definicji wprowadza jednak pojęcie względnej wystarczającej koncentracji, oraz subiektywny warunek widoczności. Z perspektywy radiometrycznej obserwacji satelitarnej bardziej celowe byłoby definiowanie chmury poprzez podanie stosownej sygnatury spektralnej. Tego typu definicje chmury są de facto wpisane w każdy algorytm detekcji zachmurzenia, jednak żadna z nich nie ma charakteru uniwersalnego ze względu na różnorodne właściwości chmur i podłoża, nad którym chmury występują, czy ze względu na specyfikę poszczególnych instrumentów teledetekcyjnych. Przez zachmurzenie należy rozumieć stosunek powierzchni obszaru pokrytego chmurami do powierzchni całego obszaru objętego obserwacją (Di Girolamo i Davies 1997). W przypadku naziemnych obserwacji wizualnych lub fotograficznych obszarem obserwacji jest całe widoczne sklepienie niebieskie(w przybliżeniu połowa sfery). Przeniesienie punktu obserwacji na orbitę ziemską powoduje, iż obszar występowania chmur jest rzutowany na powierzchnię Ziemi. Zachmurzeniem jest wtedy część powierzchni Ziemi w obrębie pola widzenia sensora, zasłonięta przez chmury (Hahn i in. 21). Obszar satelitarnej obserwacji zachmurzenia może być zdefiniowany przez całkowite pole widzenia sensora(field of view, FOV), ale również może zostać ograniczony wyłącznie do chwilowego pola widzenia sensora(instantaneous field of view, IFOV), czy obszaru o dowolnej geometrii(np. granice administracyjne, 8

9 Zachmurzenie œrednie ( X X 51 ): N SAT = 56,2% N1 = 58,3% N = 59,3% (4,75 okt.) 8 X X 29 X 4 X 51 X i r X i X i +r Zachmurzenie ogólne [%] N SAT N 8 N Zachmurzenie ogólne [okt.] Ryc Wielkość zachmurzenia ogólnego, w zależności od geometrii obserwacji. Obserwacjasatelitarna(N SAT ;szarapogrubionalinianadolnymwykresie)odzwierciedlarzeczywistezachmurzenienaodcinkux X 51.Zachmurzeniewocenieobserwatoranaziemnego byłomodelowaneprzyzałożeniustałegopromieniaobserwacji(r)dlakażdegopunktux i orazpolawidzeniakorespondującegozkątemzenitalnym75.wynikobserwacjinaziemnej prowadzonejzdokładnościądo,1%(n 1 )przedstawianadolnymwykresieliniaczarna, pogrubiona;wynikobserwacjikwantyfikowanejwgskalioktantowej(n 8 )przedstawialinia czarna niepogrubiona oczko siatki geograficznej), pod warunkiem, że zawiera się on w całkowitym polu widzenia sensora. Wielkość zachmurzenia wyraża się w skali od (niebo bezchmurne) do 1(niebo całkowicie zachmurzone), lub w procentach, mnożąc wartości skali 1 przez 1. Różna interpretacja definicji zachmurzenia, wynikająca z odmiennej geometrii obserwacji, może prowadzić do rozbieżności w ocenach zachmurzenia ogólnego. W przykładowej, modelowej sytuacji, w której granice chmur są precyzyjnie zdefiniowane, obserwacja naziemna i satelitarna są w 1% skuteczne(ryc. 1.1). Jak można zauważyć,rzeczywistezachmurzenienaddanympunktemx i (tożsamezocenąsatelitarną w nadirze), będzie bądź zawyżane, bądź zaniżane przez obserwację naziemną, zależnie od położenia punktu obserwacji względem chmur w sytuacjach, gdy nad danym punktemchmuryniema(punktx ),obserwacjawizualnazawszezawyżyzachmurzenie, w przeciwieństwie do sytuacji, w której chmura nad danym punktem jest obecna(punktyx 29 ix 4 ) wtedyzachmurzeniebędziezawszezaniżane(kassianov i in. 25). Ostatecznie, w przykładzie z ryc obserwacja naziemna zawyży 9

10 zachmurzenie o 2,1 punktu procentowego(o 3,1 punktu procentowego, jeśli do szacowania wykorzystać dane w skali oktantowej, przeliczone do skali procentowej). Poza geometrią obserwacji, na różnicę wielkości stopnia zachmurzenia szacowanego wizualnie i technikami satelitarnymi wpływa szereg innych czynników. Zostaną one omówione w rozdziale Metody obserwacji chmur i wyznaczania zachmurzenia Nauki zajmujące się badaniami atmosfery wypracowały szereg technik i narzędzi do obserwacji chmur. Z punktu widzenia klimatologii i problemu wyznaczania zachmurzenia ogólnego, praktyczne zastosowanie mają jednak tylko dwie metody: naziemna, wizualna ocena dokonywana przez obserwatora na stacjach meteorologicznych oraz obserwacja satelitarna, realizowana za pomocą wielospektralnych radiometrów obrazujących Obserwacje wizualne Obserwacja wizualna(zwana też tradycyjną lub konwencjonalną ) jest historycznie najstarszą metodą oceny zachmurzenia. Upowszechnienie zawdzięcza prostocie: nie wymaga żadnego instrumentarium, a jedynie odpowiednio przeszkolonego obserwatora. Podstawowa obserwacja obejmuje szacowanie stopnia zachmurzenia ogólnego(n) oraz klasyfikację chmur ze względu na piętro występowania(rodzinę), rodzaj, gatunek i odmianę. Jeśli to możliwe, dodatkowo notowana jest wysokość podstawy najniższych chmur, do wysokości 2,5 km nad poziomem terenu(wmo 1995). W obserwacjach wizualnych stopień zachmurzenia ogólnego wyrażany jest w oktantach, czyli ósmych częściach widocznej sfery niebieskiej. Skala jest skwantyfikowana i przewiduje dziewięć wartości, od N=(niebo bezchmurne) do N=8(niebo całkowicie zachmurzone)(imgw 1988, WMO 1995). Obserwacje wizualne w sposób szczególny traktują mgłę, będącą z definicji chmurą i za taką uważaną z perspektywy obserwacji satelitarnej. Obecność mgły nie jest odnotowywana w obserwacji zachmurzenia, jest natomiast odnotowywana w obserwacji pogody bieżącej. Jeśli jednak poprzez mgłę możliwe jest dostrzeżenie chmur, ocena zachmurzenia ogólnego jest dokonywana w sposób identyczny, jak gdyby mgły nie było(imgw 1988). Ocena wizualna obarczona jest subiektywizmem oceniającego w zakresie poprawności oszacowania stopnia zachmurzenia ogólnego. HendersonSellers i McGuffie (1988) porównali standardowe wizualne oceny zachmurzenia ogólnego z obrazami całego nieba wykonanymi fotograficznie, stwierdzając, iż 75% obserwacji jest zgod 1

11 nych co do jednego oktantu. Wielkość tę można orientacyjnie przyjąć za typową dokładność oceny wizualnej. Obserwacje wizualne są wykonywane z lokalizacji punktowej(stacji), ale nigdy nie mówią o zachmurzeniu nad tą lokalizacją, a raczej o zachmurzeniu nad pewnym otoczeniem miejsca obserwacji obserwator uwzględnia chmury widoczne na całymnieboskłonie(typowo:kątzenitalny9 ),nigdyzaśtylkotechmury,któresą położonepionowonadnim(kątzenitalny 51 lubmniej).wielkośćobszarureprezentatywności pojedynczej oceny stopnia zachmurzenia zależy od czynników synoptycznych(struktura zachmurzenia, przejrzystość atmosfery) oraz topografii(sky view factor). Większość stacji meteorologicznych dokonuje obserwacji zachmurzenia co najmniej cztery razy na dobę, w tzw. głównych terminach obserwacyjnych: 6,12i18UTC,bardzoczęstorównieżwtzw.terminachpośrednich:3,9, 15 i 21 UTC. Służby meteorologiczne w poszczególnych krajach mogą interwał ten zmniejszyć do obserwacji godzinnych, jak ma to miejsce w Polsce na stacjach synoptycznych pierwszego rzędu. Gęstość sieci obserwacyjnej, realizującej wizualne obserwacje zachmurzenia jest największa w Europie Zachodniej, gdzie na oczko siatki geograficznej5 5 przypadanajczęściejkilkadziesiątstacji(maksymalnieponad 1), podczas gdy na oceanach czy na pustyniach lodowych i zwrotnikowych, bardzo często obszar o podobnej powierzchni nie zawiera ani jednej stacji(warren i in. 1986). Obserwacje wykonane z pokładu statków morskich obejmują głównie najbardziej uczęszczane trasy żeglugi, około 3% powierzchni globalnego oceanu (Worley i in. 25). Niekwestionowaną zaletą obserwacji wizualnych jest dostępność stosunkowo długich serii obserwacyjnych, umożliwiających wyznaczanie wieloletnich trendów zmian zachmurzenia w skali lokalnej(np. Wang i in. 1993, Matuszko 23, Wibig 28), regionalnej(np. HendersonSellers 1986, Angell 199, Jones i HendersonSellers 1992, Sun i Groisman 2, Endo i Yasunari 23) i quasiglobalnej(worley i in. 25, Warren i in. 27) Obrazowanie satelitarne Podstawą satelitarnej obserwacji zachmurzenia jest wielkość promieniowania elektromagnetycznego, rejestrowana przez sensor w określonym przedziale długości fal(λ). Najczęściej wyrażana jest jako stopień, w jakim promieniowanie to jest przez obiektyodbijane(reflectance,r λ ) dlazakresukrótkofalowego(ryc.1.2a),lubjako temperaturaradiacyjna(brigtnesstemperature,bt λ ) dlazakresudługofalowego 11

12 A B C D Ryc Przykładowa obserwacja satelitarna zachmurzenia, wykonana radiometrem MODIS: A) promieniowanie widzialne, λ=,55 µm, B) podczerwień termalna, λ=11 µm, C) maska chmur kolor biały chmura, czarny brak chmury, D) kompozycja RGB zakresów λ=,46 µm, λ=1,6 µm, λ=2,1 µm 12

13 (ryc.1.2b),aniejakobezwzględnawielkośćpromieniowania[wm 2 srad 1 µm 1 ]. Istotą obserwacji satelitarnej, wykonywanej za pomocą radiometrów obrazujących, jest stwierdzenie, czy źródłem promieniowania zmierzonego w danym chwilowym polu widzenia sensora była chmura. Wielospektralny obraz zostaje poddany klasyfikacji, której efektem jest tzw. maska chmur(cloud mask) raster zawierający co najmniej dwie klasy: chmura i brak chmury (ryc. 1.2C). Jeśli istnieje niepewność co do obecności chmury w chwilowym polu widzenia, do maski chmur wprowadzane są klasy pośrednie: niepewne, prawdopodobnie zachmurzone, częściowo zachmurzone, itp. Nawet jeśli typowa klasyfikacja obrazu satelitarnego wyróżnia jedynie dwie klasy zachmurzenia, to uważana jest w teledetekcji za bardzo wymagającą ze względu na ogromne zróżnicowanie chmur oraz nie mniejsze zróżnicowanie warunków, w jakich chmury występują. Istnieje ogromna ilość algorytmów detekcji chmur, opracowanych indywidualnie dla każdego sensora(tab. 1.1). Ricciardelli i in.(28) dzielą je na fizyczne i statystyczne. Pierwsze to wielospektralne techniki progowe, polegające na wskazywaniuwartościgranicznychr λ ibt λ,korespondującychzpromieniowaniem odbijanym lub emitowanym przez chmury lub nieprzesłonięte przez chmury różne rodzaje podłoża(np. Saunders 1986, Karlsson 1996, Ackerman i in. 1998, Stowe iin.1999,lavanant22,derrienilegléau25,dybbroeiin.25).wgrupie algorytmów statystycznych znajdują się metody eksperymentalne, oparte m.in. na klasyfikacji obiektowej czy sieciach neuronowych(np. Ebert 1989, Bankert 1994, Baumiin.1997,Berendesiin.1999,Uddstromiin.1999,ShiiQu22,Ricciardelli i in. 28). W praktyce największe znacznie mają obecnie algorytmy z grupy fizycznych, stanowiące podstawę najważniejszych projektów satelitarnej klimatologii zachmurzenia. Jakość satelitarnej informacji o zachmurzeniu zależy od możliwości poprawnego odróżnienia chmur od tła, co jest następstwem charakterystyki sensora i poprawności algorytmu detekcji chmur. Możliwości sensora delimituje jego charakterystyka spektralna, radiometryczna i geometryczna. Tabela 1.1 zestawia sensory najczęściej wykorzystywane do teledetekcji atmosfery, wraz z ich charakterystyką. Detekcja chmur jest najłatwiejsza, gdy występuje duży kontrast między chmurą i podłożem. Przykładowo, do poprawnej klasyfikacji chmur Cumulus nad ciepłym oceanem wystarczy informacja tylko z zakresu,86 µm, a dodanie kilku innych zakresów nie wpłynie istotnie na wynik klasyfikacji(ackerman i in. 28). Najwięcej problemów sprawia detekcja chmur o małej grubości optycznej(np. chmury Cirrus w zakresie widzial 13

14 Tab Charakterystyka wybranych sensorów, wykorzystywanych do obrazowania zachmurzenia. W celu porównania, jako przykład sensora wysokorozdzielczego, dodany został instrument ASTER. Oznaczenia w tabeli: FOV całkowite pole widzenia sensora, IFOV chwilowe pole widzenia sensora, GFOV szerokość pasa obrazowania przy typowej wysokości orbity, GIFOV rozmiar piksela obrazu w nadirze, przy typowej wysokości orbity, ADC kodowanie przy konwersji sygnału analogowego na cyfrowy 14 Sensor 1 FOV GFOV IFOV GIFOV Kanały ADC Satelita Przykładowealgorytmy [ ] [km] [µrad] [m] [bit] detekcjichmur AVHRR 11, AVHRR1: Coakley i Bretherton 1982; Eyre i in. 1984; TIROSN, Saunders 1986; Saunders i Kriebel 1988; NOAA8,1, Ebert1989;Gesell1989;KeyiBarry1989; NOAA 12; Allen i in. 199; Gallaudet i Simpson 1991; Welchiin.1992;Derrieniin.1993; AVHRR2: Bankert 1994; Karlsson 1996; NOAA7,9, SimpsoniGobat1996;Baumiin.1997; NOAA11,14; MilleriEmery1997;LubiniMorrow1998; Berendesiin.1999;Stoweiin.1999; AVHRR3: Uddstrom i in. 1999; Kästner i Kriebel 21; NOAA1519, KärneriDiGirolamo21;Leeiin.21; MetOp Vemury i in. 21; Dybbroe i in. 25; Khlopenkov i Trishchenko 27 HIRS3/4 99, 1127 (3)244 (3) (3)NOAA1517 Wylieiin.1994;WylieiMenzel1999 (4) 122 (4) 1 (4) NOAA 1819, MetOpA OLS 112, DMSP SEVIRI 22, Meteosat 89 Rossow i Garder 1993a; Amato i in. 28; Derrien i Le Gléau 25; Baroncini i in. 28; Berendes i in. 28; Ricciardelli i in 28 MVIRI 18, Meteosat 17 Desbois i in. 1981; Saunders 1985; Rossow i Garder 1993a; CapderouiKandel1994;Ghoshiin.26

15 Tab. 1.1 kontynuacja. 15 MVISR 11, FengYun 3A MSUMR Meteor3M GOESI 18, GOES 814 Minnis i Harrison 1984; Simpson i Gobat 1995; Rossow i Garder 1993a; Berendes i in. 28; Schroeder i in. 28 MODIS EOS Terra Ackerman i in. 1998; Baum i in. 23; EOS Aqua Cappelluti i in. 26; Berendes i in. 28; Freyiin.28;Luoiin.28 MISR EOS Terra Diner i in 1999; Moroney i in. 22 AIRS 99, EOS Aqua Frey i in. 23; McNally i Watts 23 IASI 95, MetOpA Smith i Taylor 24 ASTER 4, EOS Terra Logar i in. 1998; Zhao i Di Girolamo AIRS Atmospheric Infrared Sounder(Strow i in. 23, Aumann i Miller 1995) ASTER Advanced Spaceborne Thermal Emission and Reflection Radiometer(Yamaguchi i in. 1998) AVHRR Advanced Very High Resolution Radiometer(NOAA 29) GOESI Geostationary Operational Environmental Satellite Imager(Hursen i Ross 1996) HIRS High Resolution Infrared Radiation Sounder(NOAA 29) IASI Improved Atmospheric Sounder Interferometer(Aumann i Pagano 1994) MISR Multiangle Imaging SpectroRadiometer(Diner i in. 1991) MODIS Moderate Resolution Imaging Spectroradiometer(Barnes i in. 1998) MSUMR Multispectral scanning imagerradiometer(asmus i in. 25) MVIRI Meteosat Visible and InfraRed Imager(Meteosat 1996) MVISR Multichannel Visible and IR Scanning Radiometer(Zhang i Tang 1999) OLS Operational Linescan System(Kramer 22, Murphy 26) SEVIRI Spinning Enhanced Visible and Infrared Imager(Schmid 2; Aminou 22)

16 nym) lub nocna detekcja chmur o temperaturze zbliżonej do temperatury podłoża (np. morski Stratocumulus lub Stratus nad powierzchnią lądu pokrytego śniegiem). Trudności sprawia również detekcja chmur na ich obrzeżach, gdy chmury tylko częściowo wypełniają chwilowe pole widzenia sensora. Poprawność algorytmu wynika z trafności doboru metod, które pozwalają stwierdzić obecność chmury. W przypadku wielospektralnych technik progowych, poprawnośćbędziemiaławyrazwadekwatnymdoborzekonkretnychwielkościr λ ibt λ.ponieważ algorytmy zwiększają szanse detekcji chmur uwzględniając inne, zewnętrzne (nie dostarczane przez sensor) informacje, jakość tych materiałów również rzutuje na ogólną poprawność algorytmu. Bardzo istotne jest to, iż dane satelitarne mają postać cyfrową i utrwaloną. Można je wielokrotnie poddawać analizie, testując różne algorytmy i techniki detekcji zachmurzenia, jak również optymalizując istniejące metody. Jest to jedna z najcenniejszych cech danych satelitarnych w porównaniu z danymi wizualnymi w przypadku tych ostatnich obraz zachmurzenia jest bezpowrotnie tracony z chwilą zakończenia obserwacji, nie może być poddany weryfikacji czy reinterpretacji. Istnieje również szereg opracowań o charakterze regionalnym(większość z wymienionych w tab. 1.1.), optymalizujących algorytmy detekcji chmur dla wybranych warunków środowiskowych, uwzględniających dane zewnętrzne dostępne jedynie regionalnie. Zazwyczaj pozwala to na skorzystanie z maksymalnej rozdzielczości danych satelitarnych, redukowanej kilkanaście razy(lub bardziej) dla opracowań globalnych. Przyjęło się uważać, iż satelitarna perspektywa obserwacji oznacza patrzenie na chmury pionowo z góry, w rzucie niemal ortograficznym. Taka geometria obserwacji zarezerwowana jest jednak wyłącznie dla nadiru i małych wartości kąta widzenia sensora(sensorviewingangle,sva).przymaksymalnymkąciewidzenia5,chmury znajdującesięnaskrajupasaobrazowaniawidzianesąpodkątem23.nieoznaczatojednak,iżchmurynaddanympunktemnaziemisązawszeobrazowanepod takim kątem(wyjątek stanowią satelity geostacjonarne), jest on raczej najbardziej niekorzystnym wariantem, realizowanym raz na kilkanaście przelotów. Częstotliwość uzyskiwania danych satelitarnych wynika z konfiguracji orbity danego satelity. Regularność odpowiadającą obserwacjom naziemnym gwarantują jedynie satelity na orbitach geostacjonarnych(np. satelity MSG dostarczają dla Europy danych co 5 minut, dla całego pola widzenia co 15 minut). Czas rewizyty satelitów na orbitach okołobiegunowych wynosi kilkanaście dni, jednak dzięki dużemu całkowitemu polu widzenia pojedynczy satelita jest w stanie zobrazować każdy punkt na 16

17 Ziemiconajmniejdwarazynadobę(razzadnia,raznocą).Konkretnagodzina dokonania obserwacji wynika z wyboru czasu przecięcia przez satelitę płaszczyzny równika. Wielolecie, z jakiego dostępne są satelitarne dane o zachmurzeniu, koresponduje zazwyczaj z żywotnością satelity lub sensora. Najdłuższe serie oferują instrumenty satelitów serii NOAA(National Oceanic and Atmospheric Administration), umieszczanych na orbicie od 1979 roku: AVHRR, TOVS i HIRS. Spośród nich największe znaczenie ma AVHRR(Advanced Very High Resolution Radiometer; NOAA 29), radiometr obrazujący wykorzystywany operacyjnie przez większość służb meteorologicznych na świecie, dzięki czemu poświęcono mu niezliczoną ilość opracowań. To właśnie w oparciu o jego dane powstały najważniejsze satelitarne klimatologie zachmurzenia. Od początku XXI wieku równolegle do instrumentów NOAA wykorzystywane są bardziej zaawansowane sensory m.in. AIRS i MODIS oferujące na chwilę obecną co najwyżej dziesięcioletnie serie obserwacyjne. Do najważniejszych projektów oceny zachmurzenia ogólnego w skali globalnej, bazujących na wspomnianych instrumentach, należą: PATMOSx(AVHRR Pathfinder Atmosphere Extended), statystyki oparte nadanychavhrr,publikowanewrozdzielczości,1 imniejszej,obejmują okresod1981dodzisiaj(heidingeriin.25); UWHIRS(University of Wisconsin High Resolution Infrared Radiation Sounder),statystykiopartenadanychHIRS,publikowanezrozdzielczością1 imniejszą,dostępneod1989rokudodzisiaj(wylieiin.1994); ISCCP(International Satellite Cloud Climatology Project), statystyki opracowywane na podstawie danych z satelitów NOAA(wysokie szerokości geograficzne) oraz różnych satelitów geostacjonarnych(niskie szerokości geograficzne),rozdzielczość3kmi28km,dostępneodroku1983dodzisiaj(rossow igarder1993); TOVS(TIROSN Operational Vertical Sounder) PathB, statystyki oparte na wspólnych obserwacjach HIRS oraz Microwave Sounding Unit(MSU), publikowanezrozdzielczością1 imniejsza,dostępneodroku1987(scottiin.1999); GSFCAIRS(GSFC Atmospheric Infrared Sounder), statystyki opracowane na podstawie obserwacji sensora AIRS satelity Aqua, publikowane z rozdzielczością45kmi1 (Chahineiin.21); 17

18 MODIS, statystyki oparte o dane z sensorów MODIS na satelitach Terra iaqua,wskaliglobalnejpublikowanezrozdzielczością1 (Hubanksiin.28) Rozbieżności między wizualnymi i satelitarnymi ocenami zachmurzenia Określenie, które dane wizualne czy satelitarne są dokładniejsze i lepiej oddają faktyczną wielkość zachmurzenia, jest niemożliwe z powodu problemu uzyskania danych referencyjnych. Możliwe jest jedynie względne porównywanie wyników otrzymanych na podstawie danych z różnych źródeł. Sklasyfikowane obrazy satelitarne można porównywać z wysokorozdzielczymi obserwacjami z lidarów i radarów profilujących, zarówno naziemnych, jak i satelitarnych, wykonanymi w tym samym czasie. Ze względu na niewielkie całkowite pole widzenia lidarów i radarów, ocenie poddawane są pojedyncze piksele maski chmur. Tego typu weryfikacja znajduje zastosowanie przy ocenie poprawności algorytmów detekcji chmur, zazwyczaj tylko w wybranych warunkach(np. nocy polarnej lub przy obecności śniegu). W ujęciu klimatologicznym, dane satelitarne porównuje się z obserwacjami wizualnymi, tradycyjnie wykorzystywanymi do oceny zachmurzenia ogólnego. Kotarba (29) zestawił wyniki porównań dla wybranych opracowań globalnych i regionalnych obejmujących Europę(tab. 1.2). Jak można zauważyć, wielkość różnic w skali roku zazwyczaj nie przekracza 1%, a w skali średnich miesięcznych waha się w zakresie od 12% nawet do 115%. W niektórych sytuacjach(np. Karlsson i in. 25), różnice są podobne przez cały rok i oscylują w okolicach kilku procent, w innych(np. Bissolli i Pahl 21, Meerkötter i in. 24) niewielkim różnicom w sezonie letnim towarzyszą duże(>1%) rozbieżności w sezonie zimowym(lub odwrotnie). Świadczy to o błędach algorytmu, który może wykazywać tendencję do poprawnej klasyfikacji obrazów uzyskanych albo w sytuacji z pokrywą śnieżną(zima), albo z rozwiniętą roślinnością(okres wegetacyjny). Z drugiej strony, sezonowa zmienność różnic w ocenie zachmurzenia może być następstwem sezonowych zmian częstości występowania typów chmur, które są łatwiej lub trudniej dostrzegalne przez określony sensor, bądź też łatwiej lub trudniej wykrywalne danym algorytmem. Obserwacje chwilowe, tj. pojedyncze obserwacje zachmurzenia dokonane o danej godzinie, równocześnie przez obserwatora naziemnego i przez sensor na okołoziemskiej orbicie, może cechować bardzo duży zakres niezgodności. Różnice w ocenie zachmurzenia ogólnego sięgają tu nawet 1% w przypadku, gdy jedna z metod całkowicie przeoczy występujące zachmurzenie. Należy zaznaczyć, iż rezultaty 18

19 Tab Rozbieżności między satelitarnymi i naziemnymi szacunkami zachmurzenia ogólnego(kotarba 29, zmienione) Sensor Obszar Średnia rozbieżność( N) lub projekt analizy sezonowa roczna AVHRR Europa styczeń12%, kwiecień1%, lipiec+8%, październik +2% Źródło Kriebel i in.(23) AVHRR Europa zima2,%, 9,8%(Niemcy) Meerkötter wiosna3,8%, 8,5%(Szwecja) i in.(24) lato15,3%, 1,%(Alpy) jesień1,7% AVHRR Europa +7,3%(Skandy Dybbroe nawia) i in.(25),9%(arktyka) AVHRR Antarktyda zima7,7%, 1,8% Turner wiosna11,6%, i in.(21) lato13,2%, jesień14,4% AVHRR Skandy styczeń5%, 5% Karlsson nawia luty1%, (1997) lipiec4%, sierpień6%, listopad +6%, grudzień6% ISCCP ISCCP Globalne styczeń15,1%, +1,1%(globalnie), Rossow lipiec7,9% 6,2%(tylko ląd) i in.(1993) Europa styczeń +2%, +6%(Niemcy) Bissolli lipiec +12%, i Pahl(21) SEVIRI Europa, kwiecień %, Karlsson maj+1,25%, iin.(25) lipiec3,75%, listopad 3,75%, grudzień3,75% ESSA8 Europa 8% 26%, 9,4% 14,8%, Malberg(1973) (zależnie od stacji) (zależnie od stacji) METEOR Globalne Nimbus 7 Globalne 6,8%(tylko ląd) Rossow iin.(1993) 7,8%(tylko ląd) Rossow iin.(1993) 19

20 otrzymane w skali średnich różnic miesięcznych, sezonowych i rocznych są najczęściej wyliczane jako średnia arytmetyczna z wartości różnic na poziomie chwilowych (indywidualnych) obserwacji, a nie jako różnica między danymi satelitarnymi, wyznaczonymi z dostępnej w danym czasie liczby przelotów, a danymi naziemnymi, powstałymi z uśrednienia obserwacji naziemnych, uzyskiwanych cztery, osiem czy dwadzieścia cztery razy na dobę. Nieuchronność wystąpienia rozbieżności między wizualnymi i satelitarnymi ocenami zachmurzenia ogólnego wynika już z samej odmienności geometrii obserwacji. Ponadto, na wielkość różnic wpływ mają: rozdzielczość przestrzenna danych: obserwowana jest tendencja wzrostu zachmurzenia w konsekwencji spadku rozdzielczości, teoretycznie o około 1% przy spadku rozdzielczości o dwa rzędy wielkości wielkości(krijger i in. 27, Koren i in. 28). Rozdzielczości zmieniają się również wewnątrz sceny spadając ze wzrostem kąta widzenia sensora. Prowadzi to do wzrostu zachmurzenia na skraju pasa obrazowania w stosunku do obserwacji w nadirze(minnis 1989, ZhaoiDiGirolamo24,Ackermaniin.28); charakterystyka spektralna sensora: ze wzrostem liczby zakresów spektralnych, wzrasta szansa na poprawne odróżnienie chmury od tła i poprawną klasyfikację obrazu. Eksperyment Heidingera i in.(22) wykazał, że piksele uznane za bezchmurne przez pięciokanałowy AVHRR, są w 2% zachmurzone w ocenie 36 kanałowego MODIS(eksperyment przeprowadzono tylko dla warunków dziennych, poza regionami polarnymi; różnica byłaby większa dla obserwacji nocnych i nad śniegiem). Lokalizacja zakresów w odpowiednich regionach widma elektromagnetycznego decyduje o tym, które chmury będą łatwiejsze do obserwacji, np: sensor HIRS jest bardzo czuły na chmury Cirrus, dzięki rejestracji promieniowania w siedmiu zakresach między 13,35 µm a 14,95 µm, umożliwiającstosowanietechnikico 2 slicing(noaa29); pora doby: obserwacje nocne, wykonane przy braku światła słonecznego, są mniej wiarygodne, zarówno w przypadku obserwacji wizualnych jak i satelitarnych. Hahn i in.(1995) wykazali, iż około 38% wizualnych obserwacji nocnych może być wartościowych, jeżeli w czasie ich wykonania tarcza Księżyca w pełni jestconajmniej6 nadhoryzontem,lubksiężycoświetlonyconajmniejw89% jest obecny wysoko na niebie. Wykorzystanie tylko takich nocnych obserwacji (spełniających opisane kryterium oświetlenia), zamiast wszystkich dostępnych, 2

21 redukuje dysproporcję dzieńnoc aż o 4% w skali roku. Nocne obserwacje satelitarne również cechuje mniejsza dokładność Liu i in.(24) wykazali, iż operacyjny algorytm detekcji chmur MODIS w warunkach nocy polarnej pomija3%chmurwantarktycei16%chmurwarktyce; charakter podłoża: o ile podczas obserwacji wizualnej chmury są widziane na tle błękitnego lub czarnego nieba(tło homogeniczne), to w przypadku obserwacji satelitarnej tło może być bardzo zróżnicowane, zarówno w zakresie promieniowania krótko i długofalowego. Najczęściej błędem detekcji zachmurzenia dotknięte są obserwacje nad: śniegiem(szczególnie nocą), piaskiem(pustynie) i oceanami w obszarze refleksu słonecznego. W zależności od charakteru błędu obserwacji uznanie podłoża za chmurę lub odwrotnie wielkość zachmurzenia będzie odpowiednio zawyżona lub zaniżona; poprawność algorytmu: rolą algorytmu jest dokonanie klasyfikacji treści zobrazowania satelitarnego według przyjętych kryteriów. Na podstawie tych samych, oryginalnych danych, otrzymanych z jednego sensora, można dokonać klasyfikacji różnymi metodami, o różnym stopniu poprawności. Przykładowo, te same dane AVHRR były podstawą opracowań Karlssona(1996), Kästnera i Kriebel(23) oraz Heidingera i in.(25), ale różne algorytmy klasyfikacji powodują, iż finalna ocena zachmurzenia ogólnego jest odmienna, co rzutuje na wielkość dysproporcji w stosunku do danych naziemnych, pozyskiwanych metodą niezmienną w czasie. O wielkości różnic nigdy nie decyduje jeden czynnik, ale wypadkowa wszystkich (niektóre czynniki są od siebie zależne). Może się tak zdarzyć, iż pewne czynniki mają przeciwny wpływ na wielkość zachmurzenia(jeden zawyża, drugi zaniża), skutkiem czego wzajemnie się znoszą, dając w efekcie pełną zgodność między obserwacja naziemną i satelitarną. Przedstawione powyżej zestawienie wskazuje na duże znaczenie charakterystyki samego sensora, użytego do obrazowania atmosfery. Nasuwa się pytanie, jak zastosowanie instrumentu o jeszcze lepszych parametrach niż np. AVHRR wpłynie na wielkość różnic w ocenie zachmurzenia między danymi satelitarnymi a naziemnymi. Hipotezę tą można zweryfikować w oparciu o dane MODIS Sensor MODIS MODIS(Moderate Resolution Imaging Spectroradiometer, ryc. 1.3) jest instrumentem z grupy eksperymentalnych(badawczorozwojowych), co oznacza, że jego 21

22 Ryc Sensor MODIS przed połączeniem z satelitą Terra(fot.: Rayethon) dane nie są z reguły wykorzystywane operacyjnie przez służby meteorologiczne, stanowią za to jeden z bardzo istotnych elementów współczesnych badań atmosfery. Pomimo nieoperacyjnego charakteru, sensor czasami określa się mianem AVHRR nowej generacji, co jest częściowo uzasadnione, gdyż w ramach projektu MO DIS testowane są rozwiązania, planowane do wdrożenia w sensorach VIIRS(Visible/Infrared Imager Radiometer Suite), będących już faktycznymi, operacyjnymi następcami AVHRR(Lee i in. 26). Istnieją dwa bliźniacze egzemplarze sensora MODIS, umieszczone na pokładach okołobiegunowych satelitów Terra i Aqua, tzw. okrętów flagowych amerykańskiego systemu Earth Observing System(EOS). Opis programu EOS można znaleźć w pracy pod redakcją Asrara i Doziera(1994). Ogólna charakterystykę sensora MODIS zawiera praca Barnesa i in.(1998), natomiast tło historyczne projektu MODIS praca Salomonsona i in.(26). Z grona sensorów wymienionych w tabeli 1.1 MODIS wyróżnia się pod kilkoma względami. Rejestruje promieniowanie w znacznie większej liczbie zakresów spektralnych(36, tab. 1.3), niż instrumenty najpowszechniej stosowane w obrazowaniu atmosfery: AVHRR(5 zakresów), GOESImager(5) czy SEVIRI(11). W porównaniu z wymienionymi sensorami, MODIS oferuje również znacznie wyższą rozdzielczość 22

23 przestrzenną danych: dla 2 zakresów 25 m, dla 5 zakresów 5 m, dla pozostałych 29 zakresów 1 km. Najwyższa rozdzielczość AVHRR satelitów NOAA(1,1 km, przy analogicznym próbkowaniu) dostępna jest tylko dla wybranych regionów świata(local area coverage, LAC), podczas gdy dane globalne(global area coverage, GAC) cechuje czterokrotnie mniejsza częstość próbkowania. Informacja pozyskiwana przez MODIS ma również znacznie lepszą jakość radiometryczną: sygnał ze wszystkich kanałów kwantyfikowany jest 12bitowo, dla większości kanałów stosunek sygnału do szumu(snr) zawiera się w zakresie 1:125:1, a równoważna szumowi różnicatermiczna(ne T)zawierasięwzakresie 5K,25K.Dlaporównania: AVHRR stosuje zapis 1bitowy, SNR w najlepszym przypadku wynosi 2:1, ane T,15K;AIRSstosujezapis16bitowy,przySNR >1:1,NE T.35K (Barnes i in. 1998). Szczegółową specyfikację techniczna sensora MODIS przedstawia tabela 1.4. Dzięki wyposażeniu satelitów Terra i Aqua w pokładowy system napędowy, orbity obydwu obiektów są stabilizowane, w efekcie czego niemal całkowicie kompensowany jest dryf orbitalny i czas przecięcia płaszczyzny równika w ciągu całego czasu eksploatacji satelitów nie zmienił się o więcej niż 51 minut. Oznacza to niespotykaną dotąd czasową jednorodność pomiarów orbity satelitów NOAA, pozbawione takiego rozwiązania, wykazywały dryf rzędu nawet kilku godzin w okresie 47 lat operacyjnego funkcjonowania. Dobór i liczba zakresów spektralnych, wysoka rozdzielczość przestrzenna danych i charakterystyka radiometryczna, pozwalają określić MODIS jako sensor pośredni między typowymi instrumentami obrazującymi(imagers, np.: AVHRR, SEVIRI), a instrumentami przeznaczonymi do pionowego sondowania atmosfery(vertical sounders, np.: HIRS, AIRS, IASI). Dla instrumentów obrazujących charakterystyczna jest wysoka rozdzielczość przestrzenna danych i obrazowanie głównie w zakresie okien atmosferycznych. Powoduje to, że przy detekcji chmur sensory obrazujące wykazują tendencję do pomijania chmur piętra wysokiego. Instrumenty sondujące wykorzystują podczerwień, szczególnie znajdujące się w niej obszary absorpcji. Dostarczają informacji nierzadko w tysiącach kanałów spektralnych, z dużą rozdzielczością radiometryczną, lecz z rozdzielczością przestrzenną rzędu dziesiątków kilometrów. Dzięki takiej specyfikacji sensory sondujące są bardzo czułe na chmury piętra wysokiego, gubiąc część zachmurzenia niskiego. MODIS, posiadając dużą liczbą kanałów w regionach absorpcji(6,57,5 µm, 9,5 µm, 1115 µm), jak i zachowując wysoką rozdzielczość przestrzenną(2551 m), oferuje większy potencjał de 23

24 Tab Kanały spektralne sensora MODIS(Barnes i in. 1998). Oznaczenia w tabeli: GIFOV(groundprojected instantaneous field of view) terenowy rozmiar piksela obrazu, SNR(signaltonoise ratio) współczynnik sygnału do szumu, NE T(noiseequivalent temperature difference) równoważna szumowi różnica termiczna Kanał Zakres[µm] GIFOV[m] SNR NE T[K] Główne zastosowanie 1,62, Detekcja chmur i aerozoli, 2,841, pokrycie terenu Parametryzacja chmur, aerozoli i pokrycia terenu , , , ,45, Oceanografia 9,438, ,483, ,526, ,546, ,662, ,673, ,743, ,862, ,89, Określanie zawartości 18,931, pary wodnej 19,915, ,66 3, Temperatura powierzchni 21 3,93 3, , lądu i chmur 22 3,93 3, ,2 4, ,433 4,498 1,25 Temperatura powietrza 25 4,482 4,549 1, ,36 1, Detekcja chmur Cirrus, 27 6,535 6,895 1,25 określanie zawartości 28 7,175 7,475 1,25 pary wodnej 29 8,4 8,7 1 5 Parametryzacja chmur 3 9,58 9,88 1,25 Pomiary stężenia ozonu 31 1,78 11, Temperatura powierzchni 32 11,77 12, lądu i chmur 33 13,185 13,485 1,25 Określanie wysokości 34 13,485 13,785 1,25 wierzchołków chmur 35 13,785 14,85 1, ,85 14,385 1,35 24

25 Tab Charakterystyka sensora MODIS na tle AVHRR i VIIRS AVHRR3 MODIS VIIRS (NOAA29) (Barnesiin.1998) (Scalioneiin.24) Wymiary[cm] Masa[kg] ,7 275 Zasilanie[W] ,5 24 Optyka Strumień danych[mbps] 1,4 6,1 8, Tryb skanowania wirujące lustro wirujące lustro wirujący teleskop Tempo skanowania[rpm] 36 2,3 33,6 Typ teleskopu Cassegraina, Gregorego, trójzwierciadlany ogniskujący bezogniskowy astygmatyczny, bezogniskowy Średnica teleskopu[cm] 2, 32 17, 78 19, 1 FOV[ ] ±55,4 ±55, ±56,6 Pas obrazowania[km] Rozdzielczość[m]: nadir(maks.) nadir(min.) nadir ±FOV(maks.) nadir ±FOV(min.) Detektory Zakresy spektralne Liczba detektorów Rodzaj detektorów Si, InGaAs, Si, HgCdTe Si, HgCdTe InSb, HgCdTe Konwersja ADC[bit] Pokładowe techniki CDC CDC, SRCA, CDC, SD, kalibracji radiometrycznej* SDSM, SD SDSM Satelity Liczba instrumentów 9** 2 4 Satelity** NOAA 1519, Terra i Aqua NPP i NPOESS MetOp Lata pracy*** 1979(22) 1999(28) 211? Orbity Typ wszystkie: kołowa, okołobiegunowa, heliosynhroniczna Wysokość[km] 833± ±19 lub 87±19 Nachylenie[ ] 98,7 98,2 98,7 ECT 5:3, 13:3, 1:3, 9:3 9:3, 1:3, 9:3 13:3, 17:3 * CDC ciałodoskonaleczarne;sd SolarDiffuser;SDSM SDStabilityMonitor; SRCA Spectroradiometric Calibration Assembly; ** podane tylko instrumenty trzeciej generacji łącznie wszystkich AVHRR było 15; *** w nawiasie podany przewidywany koniec pracy sensorów(wg specyfikacji technicznej). 25

26 tekcji chmur, niż sensory obrazujące i sondujące oddzielnie. Pytaniem bez odpowiedzipozostaje,jak iczywogóle przekładasiętonawielkośćrozbieżnościmiędzy naziemnymi i satelitarnymi ocenami zachmurzenia ogólnego. Autorowi nie są znane żadne prace porównujące dane MODIS z wizualnymi obserwacjami naziemnymi, za wyjątkiem artykułu testującego część metod niniejszej pracy, na przykładzie jedynie dwóch miesięcy(kotarba 29) Cel pracy Celem pracy jest ocena przydatności danych spektroradiometru MODIS do wyznaczania zachmurzenia ogólnego. Cel ten będzie zrealizowany poprzez określenie zgodności oceny stopnia zachmurzenia ogólnego uzyskanego z satelitarnych obserwacji MODIS, z zachmurzeniem ogólnym wyznaczonym na podstawie wizualnych obserwacji naziemnych. Opracowanie opiera się na danych z lat 2325, obejmujących terytorium Polski, traktowane jako reprezentatywne dla strefy umiarkowanej. Analiza prowadzona będzie w dwóch skalach czasowych. Pierwsza( meteorologiczna ) obejmie najbardziej podstawową informację o zachmurzeniu ogólnym, a więc wyniki oceny zachmurzenia dla wybranych indywidualnych przelotów satelitów Terra i Aqua, które zostaną porównane z korespondującymi z nimi wynikami obserwacji terminowych. W takim ujęciu poszukiwana będzie odpowiedź na pytania, jaki wpływ na zgodność obserwacji satelitarnych i wizualnych ma: pora doby(dostępność promieniowania krótkofalowego), poraroku, piętroirodzajchmur, stopień zachmurzenia w chwili dokonywania obserwacji, rodzaj podłoża niepokrytego śniegiem, obecność pokrywy śnieżnej w podłożu, kąt, pod jakim MODIS obserwuje chmury. W skali klimatologicznej analizie poddane będą wszystkie przeloty Terra i Aqua. W tej skali ocenione zostaną różnice między obserwacjami wizualnymi i satelitarnymi co do średnich dobowych, miesięcznych i rocznych wartości zachmurzenia ogólnego. Analiza będzie zmierzała do odpowiedzi na pytanie, czy równorzędne traktowanie danych MODIS i danych naziemnych w takiej skali czasowej jest uprawnione. Wyniki badań w skali meteorologicznej i klimatologicznej pozwolą porównać sensor MODIS z innymi, stosowanymi do oceny zachmurzenia, dla których dostępne są opracowania o charakterze analogicznym z niniejszą pracą(dotyczy to szczególnie sensora AVHRR). 26

27 2.Daneimetody Ocena danych na temat zachmurzenia, uzyskanych za pomocą obserwcji spektroradiometru MODIS, została przeprowadzona dla obserwacji wykonanych nad terytoriom Polski. Niemal cały obszar badań pokryty jest roślinnością, z wyraźnym rocznym cyklem wegetacji; zimą dodatkowo występuje pokrywa śnieżna. Część obszaru badań stanowią pojezierza z licznymi jeziorami przekraczającymi powierzchnię 1 ha. Cały obszar leży w strefie klimatów umiarkowanych ciepłych, o charakterze przejściowym między odmianą morską a kontynentalną(martyn 2). Przy dominującej cyrkulacji równoleżnikowej nad obszarem badań występuje duża zmienność typów pogody(kaszewski 1992), co skutkuje równie dużym zróżnicowaniem jakościowym i ilościowym zachmurzenia(żmudzka 27). Warunki charakteryzujące obszar badań pozwalają z perspektywy przyjętego celu badań uznać go za reprezentatywny dla strefy klimatów umiarkowanych półkuli północnej Ziemi, za wyjątkiem odmian kontynentalnych skrajnie i wybitnie suchych(tereny pustyń i półpustyń) Dane MODIS DaneMODISzsatelityTerrasądostępneod24lutego2,zsatelityAquaod 3 lipca 22. Pierwszym pełnym kalendarzowym rokiem wspólnych obserwacji dla obydwu satelitów jest rok 23, ostatnim rok 29(stan na czerwiec 21). W pracy 27

28 Transmisja promieniowania (%) D³ugoœæ fali (µm) Ryc Zakresy spektralne MODIS(wg Ackermana i in. 1998), wykorzystywane do detekcji zachmurzenia, na tle krzywej atmosferycznej absorpcji promieniowania uwzględniono obserwacje z lat 2325, co było konsekwencją dostępności danych SYNOP, porównywanych z danymi satelitarnymi. Punktem wyjścia przy wyznaczaniu satelitarnych statystyk zachmurzenia ogólnego nad Polską była maska chmur MODIS standardowy produkt projektu MODIS, oznaczany symbolem MOD35(dane satelity Terra) lub MYD35(dane satelty Aqua). Maska chmur jest rastrem o geometrii identycznej z oryginalnym obrazem satelitarnym. Powstaje przez klasyfikację informacji uzyskanej w 19 kanałach spektralnych sensora(ryc. 2.1). Podstawy algorytmu klasyfikacji zostały sformułowane przez Ackermana i in.(1998) a ich aktualna wersja, odpowiadająca danym wykorzystanym w pracy, została opisana w pracach Ackermana i in.(28) oraz Freya i in.(28). Ogólna koncepcja algorytmu jest opisana poniżej Maska chmur Algorytm klasyfikacji prowadzący do uzyskania maski chmur opiera się na wielospektralnejmetodzieprogowej,stosowanejdlar λ ibt λ windywidualnychzakresachorazdlakombinacjir λ ibt λ zróżnychzakresów.wceluzwiększeniaszans poprawnej detekcji chmur stosowane są odmienne zestawy testów i różne wartości progower λ ibt λ dlaobserwacjidziennychinocnych,podobniejakdlaróżnych typów podłoża. Ponieważ rzeczywiste zróżnicowanie podłoża jest niezwykle duże (wszelkie możliwe typy pokrycia terenu, obiekty wodne, pokrywa śnieżna i lodowa), algorytm detekcji chmur ogranicza się tylko do pewnego modelu, uwzględniającego jedynie cztery klasy: woda(ocean), wybrzeże(coast), pustynia(desert) i ląd nie będący pustynią(land). Dodatkowo, każdy z tych typów może być pokryty śniegiem lub lodem, co w praktyce oznacza piąty typ podłoża. Ostatecznie algorytm realizuje 28

29 jedną z dziesięciu możliwych ścieżek(po pięć dla warunków dziennych i nocnych). W warunkach Polski(włączając Bałtyk) realizowane są wszystkie ścieżki algorytmu, przy czym jako pustynia oznaczonych jest jedynie kilka pikseli przypadających na obszary silnie zurbanizowane, głównie w Warszawie. Jako woda oznaczany jest tylko obszar Bałtyku, podczas gdy większe rzeki i jeziora algorytm detekcji chmur interpretuje jako wybrzeże, podobnie jak strefę przejściową między morzem a lądem, tj. wybrzeże w normalnym rozumieniu tego słowa. Indywidualny test spektralny zakłada trzy wartości progowe: α, β, γ. Próg β wskazujewartośćdecydującąotym,czyzarejestrowaneprzezsensorr λ ibt λ odpowiadają chmurze, czy niebu bezchmurnemu. Progi α i γ wskazują takie wartości R λ ibt λ,dlaktórychobecnośćchmury(α)lubniebabezchmurnego(γ)jeststwierdzona z pewnością. Konkretne wartości progów można znaleźć w pracy Ackermana i in.(26). Rezultatem zastosowania pojedynczego testu jest nie tylko informacja binarna(chmura lub brak chmury), ale również informacja o stopniu pewności(confidencelevel,f i )detekcjiniebabezchmurnego,zjakimdanypikselzostałsklasyfikowany.f i zawierasięwprzedziale<,1>,gdzief i =wskazujepewnośćstwierdzenia obecnościchmury,af i =1pewnośćstwierdzenianiebabezchmurnego. Wszystkie testy spektralne podzielone są na pięć grup ze względu na charakter chmur, które powinny zostać wykryte oraz stosowanego w tym celu zakresu promieniowania: 1.chmuryodużejmasieoptycznejwykrywanetestamiBT λ, 2.chmuryomałejmasieoptycznejwykrywanetestamiBT λ, 3.niskiechmurywykrywanetestamiR λ, 4.chmuryomałejmasieoptycznejwykrywanetestamiR λ, 5.chmurywykrywanetestamiBT λ,czułyminaobecnośćchmurpierzastych. NajniższyF i spośródwszystkichtestówwgrupiejestprzypisywanyjakostopień pewnościdlacałejgrupy(g i ).Następnie,G i dlakażdejzngrupsązestawianewg wzoru: Q= n n G i (1) i=1 określając tym samym ostateczny stopień pewności(q) dla całej procedury detekcji chmur. Na podstawie wartości Q piksele są grupowane w cztery opisowe klasy finalnej maski chmur(w pracy stosowane będą nazwy oryginalne oraz ich skróty): 29

30 Q>,99 napewnoczyste,confidentclear(clr), Q >,95 prawdopodobnie czyste, probably clear(prc), Q >,66 niezdecydowane, undecided(unc), Q,66 zachmurzone,cloudy(cld). Ze wzoru(1) wynika, iż wystarczy by tylko jeden test ze stuprocentową pewnościąokreśliłobecnośćchmurywchwilowympoluwidzeniasensora(f i =),bypiksel został oznaczony jako zachmurzony w finalnej masce chmur(q=). Algorytmy detekcji chmur tego rodzaju są określane mianem clearsky conservative, gdyż starają się gwarantować, iż chwilowe pole widzenia sensora określone jako czyste, było rzeczywiście w 1% wolne od chmur. Ostatnia fazą działania algorytmu jest ponowne sprawdzenie pikseli o małych wartościach Q, dla sytuacji utrudniających detekcję chmur(refleks słoneczny, strefy polarne, pustynie). Dodatkowe testy spektralne oraz testy sąsiedztwa mogą zmienić dotychczas przypisaną klasę maski chmur na inną. Szczegółowy opis testów i warunkówichstosowaniamożnaznaleźćwpracyfreyaiin.(28). Wynik algorytmu zostaje zapisany w pliku maski chmur. Dane mają rozdzielczość przestrzenną 1 km w nadirze, odpowiadającą najmniejszej rozdzielczości przestrzennej danych wejściowych. Każdy piksel maski chmur zawiera 48 bitów. Trzy pierwsze bity informują o tym, czy procedura detekcji chmur dla danego piksela była w ogóle wykonywana(bit),ajeślitak,tojakibyłjejwynik(bity12).bity37identyfikują zrealizowaną ścieżkę algorytmu. Bity 831 zawierają binarne wyniki wszystkich wykonanych testów. Pozostałe bity(3247) to maska chmur wysokiej rozdzielczości. Wykorzystuje ona informacje z zakresów,65 µm i,86 µm w pełnej rozdzielczości przestrzennej(25 m w nadirze) i jest dostępna wyłącznie dla obserwacji dziennych. Ponieważ maska ta cechuje się mniejszą wiarygodnością niż maska o rozdzielczości 1 km, jej zastosowanie w analizach zachmurzenia jest bardzo ograniczone, stąd też w tej pracy nie była brana pod uwagę. Z 48bitowej maski chmur interpretowana była wyłącznie informacja z pierwszego bajta(ryc. 2.2). Wraz z maską chmur dostępna jest m.in. informacja o współrzędnych geograficznych poszczególnych pikseli rastra. W produktach MOD35 i MYD35 współrzędne podawane są ze zredukowaną rozdzielczością przestrzenną, tj. dla co piątego piksela. Uzyskanie informacji dla każdego z pikseli maski chmur wymaga wykorzystania produktu MOD3/MYD3(Geolocation file) i właśnie te dane zostały uwzględnione w analizie, gwarantując precyzję kalibracji geometrycznej <5 m(wolfe 26). 3

31 Obraz MODIS Bit 1 Bit 2,3 R:.46 µm / G: 1.6 µm / B: 2.1 µm Maska chmur wyznaczana: Tak Nie Maska chmur (wynik): CLR UNC PRC CLD Bit 4 / Bit 5 Bit 6 Bit 7,8 Noc: Tak Nie Œnieg: Tak Nie T³o: Refleks s³oneczny: Tak Nie L¹d Woda Wybrze e Pustynia Ryc Graficzna interpretacja pierwszego bajta maski chmur MODIS. Bity 4 i 5 zestawione zostały razem, ze względu na identyczną informację w przypadku tego zobrazowania MODIS. Obraz w oryginalnej geometrii Ilościowa interpretacja maski chmur Klasy maski chmur mają charakter tematyczny i wyznaczenie na ich podstawie statystyk zachmurzenia wymaga przypisania każdej z klas odpowiednika w postaci stopnia zachmurzenia ogólnego(n). Jest to zadanie niezwykle trudne, gdyż brak jest informacji, w jakim stopniu chwilowe pole widzenia sensora było w danym momencie 31

32 wypełnione przez chmury. W przypadku pikseli sklasyfikowanych jako CLD wysoka wartości Q może wynikać tak z całkowitego wypełnienia chwilowego pola widzenia chmurami(n=1%), jak i z częściowego wypełnienia(n<1%) chmurami o na tyle silnej sygnaturze spektralnej, iż zdecydowała ona o średniej wartości promieniowania zarejestrowanego przez sensor. W przypadku pikseli klasy CLR pewność braku chmury w chwilowym polu widzenia nie wyklucza przypadków przeoczenia chmur przez testy algorytmu. Ponadto wydaje się mało prawdopodobne, aby przy 1 km pikselu maski chmur było możliwe skuteczne wykrycie niewielkiej chmury np. o średnicy rzędu 5 m(,3% powierzchni piksela maski chmur). Zastrzeżenia te dotycząwszystkichalgorytmówdetekcjichmur nietylkomodis imającjena względzie przyjmuje się przypisanie N=1% pikselom CLD oraz N=% pikselom CLR(np.Stoweiin.1999,Kriebeliin.23,DerrieniLeGléau25,Karlsson iin.25,zhaoidigirolamo27).wtensposóbpostąpionorównieżwtejpracy. Najbardziej problematyczna jest interpretacja klas pośrednich UNC i PRC, gdyż w każdej z nich zachmurzenie może przyjmować praktycznie dowolną wartość, choć należy oczekiwać, iż średnie zachmurzenie pikseli klasy PRC będzie bliższe %, a pikseli klasy UNC bliższe 1%. Z tym samym problemem spotkali się Hubanks i in.(28), którzy w celu wyznaczenia globalnych statystyk zachmurzenia dokonali generalizacji maski chmur MODIS do mniejszej rozdzielczości przestrzennej. Przyjęli oniwagę%dlaklasyprcoraz1%dlaunc.torozwiązaniezostałorównież zastosowane w niniejszej pracy. Tak więc ostatecznie, klasom CLR i PRC przypisano wspólną wartość zachmurzenia ogólnego(%), a klasom CLD oraz UNC wartość 1%, redukując liczbę poziomów informacji w masce chmur do dwóch Wyznaczanie zachmurzenia ogólnego dla otoczenia stacji Aby wynik naziemnej obserwacji zachmurzenia ogólnego mógł być porównany z wynikiem obserwacji satelitarnej, dane MODIS muszą odpowiadać obszarowi, nad którym znajdowały się chmury widziane przez obserwatora naziemnego. Wielkość tego obszaru nie jest precyzyjnie określona i zależy przede wszystkim od wysokości podstawy chmur, widoczności poziomej i topografii, w tym zasłonięcia nieba przez budynki i drzewa. W opracowaniach dotyczących porównywania satelitarnych i naziemnych ocen zachmurzenia najczęściej przyjmuje się, że obserwacje prowadzone sąwpromieniur=3km,coodpowiadapowierzchniokoło28km 2 (np.rossow iin.1993,schreineriin.1993,dybbroeiin.25,karlssoniin.25).takąwartość przyjęto także w tej pracy. Średnie zachmurzenie ogólne(n) dla danej stacji mete 32

33 Tab Zachmurzenie w skali oktantowej i odpowiadające mu wartości zachmurzenia w skali procentowej Zachmurzenie N= oktantów, jeżeli w skali procentowej: N = % N=1 <N 18,75% N=2 18,75<N 31,25% N=3 31,25<N 43,75% N=4 43,75<N 56,25% N=5 56,25<N 68,75% N=6 68,75<N 81,25% N=7 81,25<N<1% N=8 N=1% orologicznej, wynikające z obserwacji satelitarnej MODIS, było wyznaczane według następującego wzoru: N(R 3 )= 1% (CLD+UNC)+% (PRC+CLR) CLD+UNC+PRC+CLR (2) gdziecld,unc,prc,clroznaczająliczbępikseliwkażdejzklasmaskichmur, w promieniu 3 km wokół stacji meteorologicznej. Wartość N jest wyrażona w skali ciągłej, od % do 1% z dokładnością do dwóch miejsc dziesiętnych. Wielkość zachmurzenia z obserwacji MODIS dla danej stacji wyznaczano jedynie wtedy,gdyconajmniej99%pikseliwotoczeniustacjiopromieniu3kmmiałoprzypisanądowolnąklasęmaskichmur(bitmaskichmurbyłrówny1).gdywarunek ten nie był spełniony, obserwacja była odrzucana. Wartości N wyrażone w skali procentowej zostały również przeliczone do skali oktantowej według tabeli 2.1. Przyporządkowanie to wynika wprost z wytycznych dla obserwatorów naziemnych(imgw 1988, WMO 1995) Baza obserwacji MODIS Dostępność i rozdzielczość czasowa danych MODIS wynika z konfiguracji orbit satelitów Terra i Aqua. Orbity obydwu obiektów mają charakter kołowych, okołobiegunowych, zsynchronizowanych z położeniem Słońca. Czas rewizyty każdego zsatelitównadtymsamympunktemziemiwynosi16dni,jednakzewzględuna dużecałkowitepolewidzeniasensora(11 )danemodisdladowolnegomiejsca w strefie umiarkowanej dostępne są średnio cztery razy na dobę(dwa zobrazowania TerraidwaAqua,ryc.2.3).Mniejwięcejdwarazynamiesiąckażdyzsensorów obrazuje Polskę trzy razy na dobę, z czego podczas dwóch przelotów Polska jest na 33

34 MODIS/Aqua MODIS/Terra 1:5 UTC 1:3 UTC 2:5 UTC 12:15 UTC Ryc Położenie Polski w obrębie pasa obrazowania MODIS, na przykładzie przelotów Terra i Aqua 16 maja 25. Linia ciągła obrazowanie podczas zstępującej części orbity, linia przerywana obrazowanie podczas części wstępującej skraju pasa obrazowania. Dla zachowania jednorodności danych, rozumianej tu jako dwie obserwacje na dobę z każdego satelity, jedna z trzech obserwacji z tego samego dnia musiała być odrzucona. Ponieważ skraj pasa obrazowania oznacza najmniejszą rozdzielczość przestrzenną danych, pomijana była zawsze ta obserwacja, na której skraj pasa obrazowania przebiegał po wschodniej stronie obszaru badań. W praktyce oznaczało to wybór przelotu oferującego wyższą rozdzielczość przestrzenną w obszarze Karpat, cechującym się większym przestrzennym zróżnicowaniem środowiska niż regiony północnozachodniej Polski. Stabilizacja orbit obydwu satelitów koryguje dryf orbit, dzięki czemu dokładny czas przelotu(±5 minut) satelitów Terra i Aqua powtarza się w 16dniowym cyklu. W związku z tym, dane MODIS w całym okresie czasu uwzględnionym w badaniach były dostępne w stałych oknach czasowych, opisanych w tabeli 2.2. Teoretycznie, w okresie 2325 do wykorzystania możliwe były 4384 zobrazowania MODIS(196 dni 4 przeloty). W rzeczywistości liczba ta wyniosła 4356, zpowodubrakudanychz21przelotówwroku23,4wroku24i3wroku 25. Wszystkie dane MODIS wykorzystane w pracy tj. pliki produktów MOD3, MYD3,MOD35iMYD35 zostałyuzyskanezserwerówarchiwumlevel1andatmosphere Archive and Distribution System(LAADS) Goddard Space Flight Center (GSFC) National Aeronautics and Space Administration(NASA). 34

35 Tab Okna czasowe przelotów satelitów Terra i Aqua nad Polską Satelita Godziny przelotu(utc) Faza orbity Pora doby Terra 9:51:45 ruch zstępujący dzień 19:421:15 ruch wstępujący noc Aqua :151:5 ruch zstępujący noc 1:312:2 ruch wstępujący dzień 2.2. Dane SYNOP Naziemna informacja o zachmurzeniu ogólnym pochodziła z wybranych 43 stacji synoptycznych Instytutu Meteorologii i Gospodarki Wodnej(IMGW), przedstawionych na ryc Dane zostały pozyskane z archiwów Global Telecommunication System(poprzez serwer do którego Polska zobowiązała się przesyłać wyniki obserwacji, na mocy 4. Rezolucji Światowej Organizacji Meteorologicznej. Wykorzystanie danych ze źródła oficjalnego, jakim jest IMGW, nie było możliwe ze względu na ich koszt(minimum milion złotych) Depesze SYNOP i ich interpretacja Uzyskane dane miały postać alfanumerycznych depesz synoptycznych FM12 typu SYNOP(WMO 1995) i wymagały pełnego procesu dekodowania do użytecznej postaci. Standardowa depesza SYNOP składa się z grup, w skład których wchodzą sekcje odpowiadające poszczególnym elementom pogody. W czasie procesu analizy depesz, pod uwagę brane były wyłącznie grupy i 111, mówiące odpowiednio o identyfikacji stacji oraz wynikach podstawowej obserwacji meteorologicznej na lądzie. Schematycznie, typowa depesza SYNOP wygląda następująco(wmo 1995): IIiii 111 iihvv Nddff fff 1sTTT 2sTTT 3PPPP 4PPPP 5appp 6RRRt 7wwWW 8ZCCC 9GGgg Pierwsza linia(grupa ) zawiera identyfikator stacji(iiiii) wg kodu WMO. Druga linia(grupa 111) zawiera wyniki pomiarów. W pracy wykorzystane zostały parametry określone symbolami(podkreślone powyżej w linii kodu): N,zachmurzenieogólne;możliwewartościoddo9.Wartościoddo8odpowiadają zachmurzeniu w skali oktantowej; wartość 9 wskazuje na niemożliwość oceny zachmurzenia z powodu mgły lub ciemności; ww,pogodabieżącawczasieobserwacji;możliwewartościoddo99,każda odpowiada innemu zjawisku; 35

36 Œwinoujœcie Ustka Hel Elbl¹g Suwa³ki Szczecin Chojnice Olsztyn Miko³ajki 53 Pi³a Toruñ M³awa Bia³ystok Gorzów Wlkp. 51 S³ubice Poznañ Zielona Góra Leszno Wroc³aw Jelenia Góra K³odzko P³ock Ko³o Kalisz ódÿ Wieluñ Czêstochowa Opole Warszawa Siedlce Radom Lublin Kielce Sandomierz Terespol W³odawa Racibórz BielskoBia³a Kraków Nowy S¹cz Rzeszów Lesko km Zakopane Ryc Położenie stacji wykorzystanych w badaniach, wraz z 3 km otoczeniem, uznanym za obszar reprezentatywności naziemnej oceny zachmurzenia ogólnego CCC,rodzajchmurpiętraniskiego(C L ),średniego(c M )iwysokiego(c H ); możliwewartościoddo9,osobnodlakażdegopiętra.cyfromzpodanego zakresu przypisane są konkretne rodzaje i gatunki chmur. Dane z serwera nie posiadają żadnej gwarancji jakości i mogą zawierać błędy. Każda depesza, co do której zachodziło podejrzenie, iż może być niepoprawna(np. zawierała więcej grup danych, niż teoretycznie powinna, występowały wartości klucza spoza dozwolonego zakresu), była odrzucana. Stopień zachmurzenia ogólnego(n), wyrażony w oktantach został również przeliczony do skali procentowej przy założeniu, iż 1 oktant odpowiada 12,5%. Szczególna uwaga została poświęcona sytuacjom z N=9, które mogły wskazywać obecność mgły 36

37 (czyli chmur niskich z perspektywy obserwacji satelitarnej) lub brak informacji o zachmurzeniu wynikający z ciemności. Wykorzystanie obserwacji z N=9 jest możliwe, jeśli wraz z nimi dostępna jest informacja o pogodzie bieżącej(ww) w czasie notowania stopnia zachmurzenia przez obserwatora(warren i in. 1986). Przyjęto, że N=9 oznacza zachmurzenie całkowite, jeżeli: 4 ww 49 (mgławczasieobserwacji), 5 ww 75 (ciągłyopaddeszczu,mżawkilubśnieguwczasieobserwacji), 8 ww 99 (burzalubprzelotnydeszczwczasieobserwacji). Jeśli ww miał inne oznaczenie niż wymienione powyżej, obserwacja była odrzucana iwdalszejanalizieniebranojejpoduwagę Baza obserwacji SYNOP Dostępne poprzez serwer ogimet.com dane meteorologiczne z obszaru Polski, cechujące się godzinną rozdzielczością czasową, obejmowały wszystkie miesiące w okresie 225, za wyjątkiem maja 25, kiedy to rozdzielczość czasowa była zredukowana do 3 godzin. W pracy uwzględniono depesze SYNOP z okresu styczeń 23 grudzień 25(włącznie). Analiza dłuższej serii nie była możliwa ze względu na brak danych z satelitów Terra i Aqua przed rokiem 23, oraz brak odpowiednich danych SYNOP po roku 25. Teoretycznie, w latach 2325, przy godzinnym interwale obserwacyjnym, 43 stacje synoptyczne powinny były wykonać obserwacje terminowe. Z serwera ogimet.com udało się na potrzeby badań uzyskać depesz(wartość po odrzuceniu depesz niepoprawnych). Stanowi to 92,2% wszystkich depesz, które teoretycznie powinny być dostępne. Materiał ten był podstawą do selekcji przypadków na potrzeby porównania obserwacji naziemnych i danych MODIS w skali meteorologicznej i klimatologicznej. Sposób selekcji opisują odpowiednio: rozdział i rozdział Dane o pokrywie śnieżnej Aby ocenić wielkość różnic między satelitarną i naziemną oceną zachmurzenia w warunkach zimowych, konieczna jest informacja o rozkładzie przestrzennym pokrywy śnieżnej na badanym obszarze. Informacja taka stanowi część depesz SYNOP i jest zapisana w sekcji 4 grupy 333. W depeszach uzyskanych z serwera ogimet.com, braksekcji4wgrupie333lubbrakcałejgrupy333możeoznaczaćzjednejstrony brak obserwacji śniegu przy jednoczesnym jego występowaniu, jak również brak 37

38 pokrywy śnieżnej i stąd brak obserwacji. Dwuznaczność w interpretacji tej sytuacji dyskwalifikuje użycie danych SYNOP. Dodatkowo, informacja z depesz dotyczy jedynie najbliższego otoczenia stacji i może nie odzwierciedlać faktycznego stanu pokrywy śnieżnej w przyjętym promieniu 3 km wokół miejsca obserwacji, co również wyklucza wykorzystanie tego typu danych. Informacja o obecności śniegu może być pozyskana z samych obserwacji MODIS (Salomonson i Appel 26), jednak z oczywistych względów dostępna jest dla pikseli oznaczonych w masce chmur jako bezchmurne(clr). O obecności śniegu w danym pikselumówirównieżpiątybitpierwszegobajtamaskichmur niejesttojednakinformacja o faktycznej obecności śniegu, a jedynie wskazanie, która ścieżka algorytmu została zrealizowana dla danego chwilowego pola widzenia sensora. Konieczne było zatem skorzystanie z innego źródła informacji o obecności pokrywy śnieżnej. Wybrane zostały dane z Interactive Multisensor Snow and Ice Mapping System(IMS), opracowanego przez NOAA National Environmental Satellite Data and Information Service(NOAA/NESDIS). Dane te zostały uzyskane z serwerów National Snow and Ice Data Center(NSIDC) Uniwersytetu Kolorado w Boulder, USA. Mapy IMS tworzone są dla półkuli północnej, z rozdzielczością czasową jednego dnia, na podstawie połączonych obserwacji optycznych z satelitów geostacjonarnych i okołobiegunowych oraz obserwacji z sensorów mikrofalowych(ramsay 1998, Helfrich i in. 27). Od końca lutego 24 mapy są dostępne w rozdzielczości przestrzennej 4 km, dzięki czemu mogły zostać uwzględnione w analizie. Każda mapa ma postać cyfrową, rastrową i zawiera cztery klasy pikseli: ląd pokryty śniegiem lub lodem,lądwolnyodśniegulublodu,oceanpokrytylodem,oceanwolnyodlodu (ryc. 2.5). Ze względu na brak wysokorozdzielczych danych IMS dla całego okresu uwzględnionego w pracy, przy ocenie wpływu pokrywy śnieżnej analizowany był wyłączniemateriałdostępnyod1marca24do31grudnia25,tj.668dni. Informacje na temat pokrywy śnieżnej zostały wykorzystane w następujący sposób. Na podstawie mapy IMS z danego dnia wyliczony został udział powierzchni pokrytej śniegiem, w stosunku do całego obszaru w promieniu 3 km wokół stacji meteorologicznej analogicznie jak według wzoru 1. wyznaczane było zachmurzenie ogólne. Uzyskana wartość zawierała się w zakresie od %(brak pokrywy snieżnej) do 1%(cały obszar pokryty śniegiem). Ponieważ dane IMS dostępne są z rozdzielczością dobową, a dane MODIS cztery razy na dobę, każdemu z czterech przelotów MODIS w danym dniu została przypisana dokładnie ta sama charakterystyka występowania śniegu, wynikająca z analizy map IMS dla tego dnia. 38

39 L¹d Woda Œnieg Lód Ryc Zasięg pokrywy śnieżnej w Europie wg obserwacji IMS(31 grudnia 25) 2.4. Metody oceny przydatności danych MODIS Termin przydatność w odniesieniu do danych MODIS jako źródła informacji o zachmurzeniu ogólnym, jest używany w pracy w kontekście tradycyjnych, wizualnych szacunków zachmurzenia. Został on zinterpretowany jako zgodność danych MODIS z obserwacjami naziemnymi im większa zgodność, tym bardziej uprawnione wymienne używanie danych MODIS i SYNOP, a więc tym większa przydatność danych satelitarnych. Ocena przydatności danych zmierzała będzie zatem do wykazania w jakim stopniu oceny zachmurzenia ogólnego, dokonywane przez MODIS i SYNOP, różnią się od siebie i jakie czynniki wpływają na wielkość zaobserwowanych różnic. Pozwoli to wskazać warunki ograniczające zastosowanie danych satelitarnych, jak również warunki, w których obserwacja satelitarna jest bardziej wiarygodna. Dwa poniższe podrozdziały opisują charakterystyki klimatologiczne zachmurzenia, które będą ze sobą porównane, podczas gdy podrozdział zestawia statystyki zastosowane do ilościowego opisu zgodności Porównanie obserwacji terminowych Zgodnie z założeniami pracy obserwacje satelitarne były porównywane z naziemnymi w dwóch skalach czasowych: meteorologicznej (rozdział 3) i klimatologicznej (rozdział 4). W skali meteorologicznej analizowane były wyniki obserwacji 39

40 terminowych MODIS i SYNOP(nie uśrednianych czasowo). W sytuacji idealnej danemodisisynoppowinnybyćzebranedokładniewtymsamymczasie,co automatycznie eliminuje wpływ rozbieżności momentów obserwacji na wielkość różnic w ocenie stopnia zachmurzenia. Przyjmując rozbieżność czasową ±5 minut za realizację sytuacji idealnej, w latach 2325 możliwych do analizy było 685 przelotów Terra i 682 przeloty Aqua. Kryterium ±5 minut wydaje się być jednak bardzo restrykcyjnym, co potwierdziły badania Kassianova i in.(25). Wynika z nich, iż w przypadku chmur konwekcyjnych, a więc typu chmur o największej dynamice, zmiana rozmiaru chmur w ciągu 15 minut nie ma wpływu na wielkość zachmurzenia ogólnego, uśrednionego dla obszaru 1 1 km. Tym bardziej więc nie powinna mieć znaczenia dla innych rodzajów chmur, jak i obszaru około 3 razy większego, odpowiadającego kołu o promieniu 3 km wokół stacji meteorologicznej. Na podstawie badań Kassianova i in.(25) można tolerować rozbieżność czasową obserwacji satelitarnej i naziemnej rzędu 15 minut. Ostatecznie, w pracy przyjęto jednak nieco ostrzejsze kryterium, dopuszczając by obserwacje MODIS i SYNOP różniły się o nie więcej niż ±1 minut. W efekcie, liczba uwzględnionych zobrazowań MODIS wzrosłado1411dlaterrai149dlaaqua(łącznie282zobrazowań,65%wszystkich z okresu 2325). Do obserwacji MODIS udało się dowiązać obserwacje z bazy danych SYNOP i wartość ta ostatecznie określiła liczbę par MODISSYNOP poddanych analizie merytorycznej. Analiza ze względu na obecność pokrywy śnieżnej była prowadzona dla par obserwacji MODISSYNOP, co było następstwem dostępności danych IMS. Ocena zgodności obserwacji MODIS i SYNOP ze względu na piętro i rodzaj zachmurzenia wymagała jakościowej informacji na temat chmur. Była ona dostępna tylkodladanychnaziemnych,poprzezpozycjec L,C M ic H wdepeszysynop.aby umożliwić przeprowadzenie analizy ze względu na jakościowe cechy zachmurzenia, spośród par obserwacji terminowych wybrano jedynie te, w czasie których występowały wyłącznie chmury jednego piętra. Miało to miejsce wtedy i tylko wtedy, gdypoprawnieokreślonabyłakażdazpozycjic L,C M,C M ijednocześniedwieznich były równe zero, a trzecia była różna od zera. W takiej sytuacji zachmurzenie ogólne jest de facto zachmurzeniem chmurami danego piętra. Dzięki tej metodzie z grona wszystkich par obserwacji terminowych wyselekcjonowano 21,7% przypadków z zachmurzeniem tylko w jednym piętrze, z czego 11,% obserwacji przypadało na piętro niskie, 2,5% na piętro średnie a 8,2% na piętro wysokie. W sposób analogiczny wybrane zostały obserwacje dla porównania ze względu na rodzaje chmur. Ponieważ 4

41 Tab Liczba oczekiwanych obserwacji w skali średnich dobowych, miesięcznych i rocznych, w latach 2325, oraz liczba obserwacji wkorzystanych w badaniach Skala czasowa; średnia: dobowa miesięczna roczna n oczekiwanych: (196dni 43st.) (36mies. 43st.) (3lata 43st.) SYNOP n wykorzystanych % wykorzystanych 7,8 46,6 32,6 MODIS n wykorzystanych % wykorzystanych 98,4 97,2 1 klucz depesz SYNOP nie jest jednoznaczny w tym zakresie jedna wartość klucza może czasem odnosić się do co najmniej dwóch rodzaje chmur zachowane zostały oryginalne oznaczenia kodowe. Wiarygodne wyniki udało się uzyskać jedynie dla niektórych rodzajów chmur, co wynikało z niewielkiej liczby obserwacji dla pozostałych. Liczebność wykorzystanych prób jest podana wraz z wynikami, w rozdziałach i Porównanie średnich dobowych, miesięcznych i rocznych W skali klimatologicznej porównywane były oceny zachmurzenia ogólnego na poziomie wartości średnich dobowych, miesięcznych i rocznych. W każdym przypadku, aby wyznaczyć daną charakterystykę klimatologiczną, dla danych MODIS i SYNOP równocześnie spełniony musiał być warunek dostępności co najmniej 95% danych teoretycznie możliwych do uzyskania(danych oczekiwanych) w danej skali czasowej. Powyższe kryterium było łatwe do spełnienia w przypadku danych MODIS, charakteryzujących się mała rozdzielczością czasową 4 obserwacje na dobę(tab. 2.3). Znacznie trudniej było spełnić warunek maksymalnego dopuszczalnego, pięcioprocentowego braku danych w przypadku obserwacji naziemnych. Przy założonej godzinnej rozdzielczości czasowej, w najlepszym przypadku(średnie dobowe) do wykorzystania nadawało się 7,8% teoretycznie możliwych wartości. Ilość średnich dobowych w każdym miesiącu, roku i na każdej stacji była zbliżona, czyniąc otrzymane wyniki porównywalnymi. Wyjątkiem był tu wspomniany wcześniej maj 25(trzygodzinny interwał obserwacyjny), oraz luty w latach 23 i 24, gdy przy ogólnie 41

42 dużej ilości depesz SYNOP, w skali doby stosunkowo często brakowało więcej niż 2 obserwacji na dobę. W skali miesiąca, brak danych terminowych odpowiadający 1,52 pełnym dniom, wyłączał dany miesiąc z dalszej analizy. Z tego powodu wykorzystane mogło być 46,6% teoretycznie możliwych wartości, czyli łącznie 721 średnich miesięcznych ocen zachmurzenia. Wartość ta nie dzieli się proporcjonalnie ani pomiędzy poszczególne stacje, ani poszczególne miesiące np. jedynie 5 wartości zostało uzyskanych dla majaiaż115dlamarcai116dlakwietnia. Jeszcze większe ograniczenia zostały wymuszone przy porównaniu średnich rocznych ocen zachmurzenia. Nadająca się do uwzględnienia była tylko jedna trzecia teoretycznie możliwych wartości, czyli 42 przypadki na 129 oczekiwanych. Z tego aż 35 wartości pochodziło z roku 23, pozostałe 7 z roku 24. Znaczący brak danych w maju 25 praktycznie wyeliminował ten rok z możliwości uwzględnienia w analizie. Z tego względu wyniki porównania danych MODIS i SYNOP w skali średnich rocznych należy traktować jako orientacyjne. Warto w tym miejscu podkreślić, iż każdy etap porównywania danych SYNOP i MODIS wykorzystywał inną próbę obserwacji, za każdym razem dobraną tak, by uwzględnione zostały dane o jak najwyższej jakości. Z tego względu konieczne jest wyraźne rozróżnienie między wynikami na poziomie obserwacji terminowych i na poziomie średnich klimatologicznych: średnia miesięczna różnica między terminowymi obserwacjami MODISSYNOP nie jest tą samą wartością, co różnica średnich miesięcznych ocen zachmurzenia dokonanych przez MODIS i SYNOP. Wyniki porównania średnich dobowych, miesięcznych i rocznych wielkości zachmurzenia ogólnego zawiera rozdział Charakterystyki statystyczne Podstawową charakterystyką pozwalającą na ocenę zgodności danych MODIS z naziemnymi, jest bezwzględna różnica między satelitarnym i naziemnym oszacowaniem stopnia zachmurzenia. Pomimo, iż obliczenie tej wartości jest proste, pozwala ona odpowiedzieć na elementarne pytanie: czy wyniki obserwacji satelitarnej zawyżają lub zniżają ocenę zachmurzenia, w stosunku do obserwacji naziemnych, czy też wyniki uzyskane obiema metodami są zgodne. Przy takim podejściu dane wizualne są traktowane w pewnym sensie jako punkt odniesienia, co może być mylące, gdyż tak samo jak oceny satelitarne, dane naziemne mają swoje wady i również mogą zaniżać lub zawyżać rzeczywistą(niestety nieznaną) wielkość zachmurzenia ogól 42

43 nego. Różnica między danymi satelitarnymi(nazywanymi skrótowo w dalszej części tekstu danymi MODIS ) i naziemnymi( dane SYNOP ) była wyznaczane na dwa sposoby: 1) poprzez odejmowanie wartości w skali procentowej oraz 2) poprzez odejmowanie wartości w skali oktantowej. Uwzględnienie obydwu skal podyktowane jest faktem ich powszechnego i równorzędnego stosowania w badaniach klimatologicznych. Dane SYNOP zawsze były odejmowane od danych MODIS, a różnica oznaczana jest poprzez N. Gdy N> na większe zachmurzenie wskazuje MODIS, gdy N< SYNOP. Ryc przedstawia przykładową obserwację MODIS, wraz z wyznaczoną wielkością N(skala procentowa i oktantowa) dla wybranych stacji. Gdy różnice między obserwacjami terminowymi są uśredniane w czasie, możliwe jest zaobserwowanie pełnej zgodności ocen zachmurzenia( N=). Zgodność ta może wynikać ze znoszenia się błędów obserwacji, specyficznych dla każdej z metod i warunków obserwacji. W celu zweryfikowania, czy idealna zgodność faktycznie miała miejsce, czy była też efektem znoszenia się błędów, wyznaczana była średnia wartości bezwzględnych różnic N. Zgodność empirycznych rozkładów N i N z rozkładem normalnym była weryfikowana testem Lillieforsa. W przypadku braku podstaw do odrzucenia hipotezy o zgodności rozkładów, istotność statystyczna średniej arytmetycznej N była oceniana testem tstudenta. Przy rozkładzie niezgodnym z normalnym, o istotności średniej arytmetycznej N wnioskowano na podstawie testu rang Wilcoxona. Istotność statystyczną N oceniono na podstawie testu twelcha, gdy wariancje danych SYNOP i MODIS były jednorodne, lub testem UMannaWhitneya w przypadku stwierdzenia niejednorodności wariancji. O jednorodności wariancji wnioskowano w oparciu o test FSnedecora(Norcliffe 1986, Sobczyk 2, Luszniewicz i Słaby 23). Dla każdego testu przyjęto minimalny poziom istotności α=5, przy czym w większości przypadku uzyskane wyniki były istotne również na poziomie α<1. Rozkłady empiryczne N i N nie były zazwyczaj zgodne z rozkładem normalnym, dlatego za podstawę opisu zróżnicowania wartości obydwu parametrów przyjęto statystyki opisowe(sobczyk 2): średnią arytmetyczną, wartości kwartyli(pierwszego Q 1,mediany Me,trzeciego Q 3 ),empirycznyzakreszmienności,odchyleniestandardowe(σ) i odchylenie ćwiartkowe, przybliżone rozstępem ćwiartkowym(iqr). Zrezygnowano z podawania wartości pierwiastka błędu średniokwadratowego (błędu RMS), gdyż praktycznie powielał on informacje wyrażone odchyleniem standardowym. Wielkość błędu RMS została podana wyłącznie w rozdziale 5.5. dla pełniejszego porównania MODIS z innymi sensorami w zakresie N. Część z wy 43

44 1 / 1,8 / 12,5 1 / / / / / 3 27,8 / 37,5 2 / 5 23,2 / 62,5 3 / 4 37,6 / 5 2 / 5 2,9 / 62,5 7 / 7 87,8 / 87,5 3 / 5 38,9 / 62,5 3 / 3 4,2 / 37,5 MODIS oktanty / SYNOP oktanty MODIS procent / SYNOP procent Ryc Satelitarny obraz zachmurzenia nad częścią Polski, wraz z informacją o zachmurzeniu ogólnym dla wybranych stacji, wg MODIS i SYNOP w skali procentowej i oktantowej. Białe okręgi odpowiadają obszarowi reprezentatywności obserwacji naziemnej(promień 3 km) mienionych parametrów(głównie miary pozycyjne) przedstawiona była wyłącznie graficznie w postaci wykresów ramkowych(boxplot). Ramkę ograniczały wartości pierwszego i trzeciego kwartyla. Za wartości nietypowe(odstające) uznawane były wszystkieznajdującesięwprzedziale(q 1,Q 1 1,5 IQR)lub(Q 3,Q 3 +1,5 IQR). 44

45 Wartości odstające jeśli wystąpiły pojawiały się na wykresach ramowych indywidualnie(murrell 25, Dudek i Walesiak 29). Dla przedstawienia relacji N lub N i innej zmiennej, konstruowane były klasyczne wykresy rozrzutu(scatterplot). Ze względu na dużą liczbę przypadków, obraz był generalizowany dopasowaniem krzywej trzeciego stopnia. Podane zostało równaniekrzywejorazwspółczynnikdeterminacji(r 2 ).ZarównoR 2 jakiwspółczynniki równaniabyływewszystkichprzypadkachistotnenapoziomie α 5. Zgodność obserwacji MODIS i SYNOP była wyrażana również współczynnikiem korelacji. Jeśli korelowane zmienne nie miały rozkładów normalnych, stosowany był współczynnik korelacji rang Spearmana(ρ). W przeciwnym razie, stosowany był współczynnik korelacji liniowej Pearsona(r)(Norcliffe 1986). W obydwu przypadkach zgodność danych była graficznie wyrażana wykresami rozrzutu. Całość analizy statystycznej została wykonana w środowisku R. 45

46 3. Zgodność MODIS i SYNOP na poziomie obserwacji terminowych 3.1. Średnia wielkość zachmurzenia ogólnego Średnie zachmurzenie ogólne nad wybranymi 43 stacjami, wyznaczone z obserwacji z lat 2325, wyniosło według danych MODIS 69,4%(σ=37,4%, Me=91,8%) oraz 64,4%(σ=36,4%, Me=75,%) według danych SYNOP. Te same statystyki odnoszące się do zachmurzenia określanego w skali oktantowej, wyniosły odpowiednio 5,5 oktanta(σ=2,7 oktantów, Me=7 oktantów) i 5,1 oktanta(σ=2,9 oktantów, Me=6 oktantów). Średnie zachmurzenie dla obserwacji wykonanych podczas dnia było większe, niż dla obserwacji nocnych(tab. 3.1), przy czym wyraźnie zaznacza się rozbieżność między danymi MODIS i SYNOP. W przypadku pierwszych różnica wielkości zachmurzenia między dniem a nocą wynosiła 3,8 punktu procentowego, podczas gdy dla obserwacji tradycyjnych sięgała aż 12,6 punktu procentowego, co rodzi podejrzenie niehomogeniczności danych MODIS lub SYNOP ze względu na porę wykonania obserwacji. Z tego względu wszystkie analizy danych terminowych w dalszej części pracy prowadzone będą dla obserwacji z całej doby (dziennych i nocnych razem), jak również z rozróżnieniem na porę doby(osobno dla dnia, osobno dla nocy). Częstość, z jaką notowane były poszczególne wielkości zachmurzenia, zależała od skali oceny oraz pory doby(ryc. 3.1). Rozkład częstości obserwacji satelitarnej ma 46

47 4 MODIS, dzieñ+noc 4 SYNOP, dzieñ+noc 3 3 Czêstoœæ (%) 2 1 Czêstoœæ (%) N (%) N (%) Ryc Empiryczny rozkład częstości wielkości zachmurzenia dla obserwacji terminowych, w skalach właściwych dla każdej z technik obserwacyjnych charakterwyraźniedwubiegunowy,zmaksimumgłównymdla99%<n 1%(38% przypadków)orazwtórnymdla% N 1%(8%przypadków).Obraztenczęściowo nawiązuje do rozkładu otrzymywanego dla lokalizacji punktowej(piksela), gdy możliwy jest tylko jeden z dwóch wariantów zachmurzenia: 1%(chmura stwierdzona nad daną lokalizacją) lub %(sytuacja przeciwna)(por. ryc. 1.1). W przypadku obserwacji MODIS zachmurzenie określane było nad obszarem w promieniu 3 km wokół stacji, stąd jeśli cały obszar nie był przykryty chmurami lub jeśli niebo nie było bezchmurne, możliwe były różne sytuacje pośrednie(stanowiły one łącznie 54% wszystkich przypadków). Podobny rozkład ma wykres częstości dla obserwacji SYNOP, z oczywistą modyfikacją ze względu na precyzję obserwacji. Na pierwszy rzut oka najistotniejszą różnicą wydaje się być liczebność obserwacji dla N=87,5%(7 oktantów) jest ich znacząco więcej, niż dla korespondującego zakresu obserwacji MODIS. Tego typu Tab Średnie(arytmetyczne) zachmurzenie ogólne i średnia(arytmetyczna) różnica między ocenami zachmurzenia MODIS i SYNOP Dzień i noc Tylko dzień Tylko noc Różnica dzieńnoc Skala procentowa N MODIS 69,4(σ=37,4) 71,2(σ=36,4) 67,4(σ=38,5) 3,8 N SYNOP 64,4(σ=36,4) 7,2(σ=31,) 57,6(σ=4,9) 12,6 N 5,1(σ=22,2) 1,(σ=18,6) 9,8(σ=25,) 8,8 Skala oktantowa N MODIS 5,5 (σ=2,7) 5,6 (σ=2,7) 5,3 (σ=2,8),3 N SYNOP 5,1 (σ=2,9) 5,6 (σ=2,5) 4,6 (σ=3,3) 1, N,3 (σ=1,7) (σ=1,4),7 (σ=2,),7 47

48 4 MODIS, dzieñ+noc 4 SYNOP, dzieñ+noc Czêstoœæ (%) Czêstoœæ (%) N (oktanty) N (oktanty) 4 MODIS, dzieñ 4 SYNOP, dzieñ Czêstoœæ (%) Czêstoœæ (%) N (oktanty) N (oktanty) 4 MODIS, noc 4 SYNOP, noc Czêstoœæ (%) Czêstoœæ (%) N (oktanty) N (oktanty) Ryc Empiryczny rozkład częstości wielkości zachmurzenia dla obserwacji terminowych, sprowadzonych do skali oktantowej porównanie będzie jednak bardziej uprawnione, jeśli przeciwstawione sobie zostaną dane SYNOP oraz dane MODIS sprowadzone do skali oktantowej. Po takiej transformacji(ryc. 3.2) widać wyraźnie, iż liczebność przypadków dla N=7 oktantów i N=8 oktantów jest dla MODIS i SYNOP zbieżna, co oznacza, że znaczna część obserwacji MODISzzakresu99%<N 1%byładefactomniejszaniż1%iprzynależałado przedziału81,25% N<1%,odpowiadającemuN=7oktantów. Istotna różnica między liczbą obserwacji MODIS i SYNOP jest obserwowana dla N=1 oktant i N=2 oktanty(ryc. 3.2). MODIS czterokrotnie rzadziej odnotowywał niebo bezchmurne niż obserwatorzy naziemni, tj. widział chmurę, gdy nie obserwowali jej obserwatorzy na stacjach synoptycznych. Jednocześnie dane MODIS 48

49 trzykrotnie częściej niż dane SYNOP wskazywały na zachmurzenie odpowiadające 2 oktantom. Interesująca jest zmienność kształtu rozkładu dla N=1 oktant w zależności od pory doby. O ile rozkład dla obserwacji MODIS można uznać za względnie niezmienny, o tyle w przypadku SYNOP nocne obserwacje z N=1 były niemal czterokrotnie częstsze(11% wszystkich obserwacji) niż podczas dnia(3% wszystkich obserwacji) Średnia rozbieżność ocen zachmurzenia ogólnego Średnia wieloletnia różnica w ocenie zachmurzenia ogólnego między MODIS i SYNOP dla wszystkich par obserwacji terminowych wyniosła N=5,1% (Me=,1%), przy średniej N =14,2% i σ=22,2%(tab. 3.1). Na N znaczący wpływ miała pora doby. Różnica dla obserwacji dziennych wyniosła N=1,% (σ=18,6%, Me=%, przy N =12,4%) i była wyraźnie mniejsza, niż nocą, gdy N=9,8%(σ=25,%, Me=1,8%, przy N =16,4%), co zaważyło na średniej dla całej doby. O lepszej zgodności obserwacji dziennych świadczą średnie N i N, jak również korelacja ρ=,845(ρ=,831 dla skali oktantowej), w porównaniu z ρ=,765 (ρ=,752) nocą i ρ=,797(ρ=,783) dla obserwacji dziennych i nocnych interpretowanych wspólnie(ρ istotne statystycznie dla α <1). Uwagę zawraca rozbieżność w wartościach średnich N i N dla dnia pierwsza wielkości jest bliska zeru, podczas gdy druga przekracza 1%. Oznacza to, że zgodność wyrażona średnią arytmetyczną jest częściowo efektem znoszenia się N o różnym znaku. Warto również zwrócić uwagę na zbieżność średniej N dla obserwacji dziennych z wartością odpowiadającą jednemu oktantowi. Najbardziej zgodne ze sobą obserwacje SYNOP i MODIS( N=%) stanowiły 26% wszystkich przypadków(ryc. 3.3A). Zgodność taka miała miejsce wyłącznie w sytuacji, gdy według danych SYNOP niebo było całkowicie zachmurzone (N=8 oktantów, 9% najbardziej zgodnych obserwacji) lub bezchmurne(n= oktantów,1%).niezaobserwowanopełnejzgodnościdlaobserwacjizprzedziału1 N 7 oktantów. Najczęstsza rozbieżność między obserwacjami MODIS i SYNOP wyniosła N=12,5%, co uznaje się za odpowiednik 1 oktanta. Dodatni charakter różnicy wskazuje, iż MODIS częściej obserwował zachmurzenie o 1 oktant wyższe niż obserwatorzy naziemni. Co więcej, wszystkie przypadki N=12,5% miały miejsce, gdy obserwacje naziemne wskazywały N=7 oktantów. Opisane powyżej ogólne prawidłowości rozkładu różnic między obserwacjami MODIS i SYNOP są dostrzegalne również dla obserwacji dziennych(ryc. 3.3B) 49

50 Czêstoœæ (%) A Dzieñ + noc B Dzieñ C Noc DN (%) 1 5 DN (%) DN (%) 5 1 Czêstoœæ (%) D Dzieñ + noc E Dzieñ F Noc DN (oktanty) DN (oktanty) DN (oktanty) Ryc Rozkład częstości różnic w ocenie stopnia zachmurzenia ogólnego przez MODIS isynop i nocnych(ryc. 3.3C). Wpływ pory doby zaznaczył się przede wszystkim w częstości występowania różnic N>5% nocą jest ich trzykrotnie więcej niż podczas dnia, do tego nocą zauważalną grupę stanowią przypadki z N=1%, nie obserwowane w czasie dnia. Pełna rozbieżność w ocenie zachmurzenia ogólnego miała miejsce jedynie w przypadku sytuacji, gdy obserwator naziemny odnotowywał niebo bezchmurne, a MODIS niebo całkowicie zachmurzone. Jakkolwiek jest to ekstremalnie duża rozbieżność, stanowiła mniej niż,3% wszystkich przeanalizowanych obserwacji i nie ma znaczącego wpływu na ogólną statystykę różnic. Nie zaobserwowano ani jednego przypadku niezgodności N=1%(tj. sytuacji gdy MODIS obserwowałby niebo bezchmurne, SYNOP całkowicie zachmurzone). Różnice oceny stopnia zachmurzenia ogólnego wyznaczone dla danych w skali oktantowej(ryc. 3.3DF), wskazują jako najczęstsze sytuacje z N= i N=1 oktant, co zgadza się ze stwierdzonymi wcześniej wynikami dla wartości w skali procentowej. W odróżnieniu do sytuacji przedstawionej na ryc. 3.3 AC, można dodatkowo wskazać trzecią najczęstszą wartość wyraźnie zaznaczającą się w rozkładzie: 5

51 N=1 oktant. Na zakres N±1 oktant przypadło 78% obserwacji, co koresponduje z 68% przypadków w przedziale N±12,5%, dla obserwacji wyrażonych w skali procentowej. Jeśli przyjąć dane MODIS za referencyjne, można na tej podstawie przypuszczać, iż obserwator naziemny myli się najczęściej o 1 oktant. Średnia wielkość i rozkład różnic w ocenie zachmurzenia były różne na każdej ze stacji meteorologicznej, uwzględnionej w badaniach(ryc. 3.4). Dla większości stacjiśrednia Nzawierałasięwprzedzialeod%do6,5%,awiększabyłatylko na 7 stacjach i sięgała maksymalnie nawet 18,5%(Świnoujście). Najmniejsza różnica została zaobserwowana dla Leszna( N=,1%), co było jednocześnie jedynym przypadkiem, gdy MODIS wykazał niższe zachmurzenie, niż SYNOP. Małe wartości Nnieszływparzezmałymiwartościami N.Nastacjach,gdzieśrednia N nie przekraczała ±1%, średnia wartości bezwzględnych N nie wyróżniała się na tle pozostałych stacji. Wartości bezwzględne N jako najbardziej zgodne wskazały obserwacje MODIS i SYNOP na stacji Lublin( N =11,6%). Biorącpoduwagęśrednią N,zgrona43stacjiwyróżniasięgrupa15(m.in. Suwałki, Białystok, Siedlce, Racibórz, Rzeszów) o niemal identycznym rozkładzie N: średnia N zawierała się w przedziale 46%, przy pierwszym i drugim kwartylu bliskim lub równym zeru, oraz trzecim kwartylu bliskim lub równym 12,5%. Odpowiada to sytuacji z dominującą różnicą N=% oraz drugą co do częstości N=12,5%, skupiającymi 3% wszystkich obserwacji. Bardzo zbliżony rozkład obserwowany jest dla kolejnych 12 stacji(m.in. Piła, Chojnice, Zielona Góra, Radom, Opole, BielskoBiała), gdzie częściej występowały różnice mniejsze od N=%, skutkiemczegoogólnaróżnicabyłamniejszaizawierałasięwprzedzialeod1%do4%. Rozkład dla 27 stacji z dwóch wspomnianych powyżej grup można uznać za typowy. Największe odstępstwa od rozkładu typowego wystąpiły na 4 stacjach(ustka, Hel, Świnoujście i Szczecin), których wspólną cechą było bliskie sąsiedztwo morza. Na każdej ze stacji średnia różnica przekraczała 8%, a mediana zawierała się między6%a13%.wciążdominowałyróżnice N=%i N=12,5%,jednak jak w przypadku Helu i Świnoujścia, których otoczenie było głównie obszarem morskim najczęstszą wartością okazała się N=12,5%, wskazując na przesunięcie całego rozkładu właśnie o taką wartość. Związek większych różnic z dominacją powierzchni morskiej w otoczeniu stacji może być przejawem wpływu tła obserwacji MODIS na poprawność detekcji chmur. Wpływ tego czynnika został omówiony szczegółowo w rozdziale

52 DN(%) DN DN s Me Ustka Hel Elbl¹ g Suwa³ ki Œwinoujœcie Szczecin Pi³ a Chojnice Toruñ M³ awa Olsztyn Miko³ ajki Bia³ ystok Gorzów Wlkp. S³ ubice Poznañ Ko³ o P³ ock Warszawa Siedlce Terespol Zielona Góra Leszno Wroc³ aw Kalisz Wieluñ ódÿ Radom Lublin W³ odawa Jelenia Góra K³ odzko Opole Racibórz Czêstochowa KrakowBalice Kielce Rzeszów Sandomierz Bielsko Bia³ a Zakopane Nowy S¹ cz Lesko 8,9 1,2 3,8 6,5 18,5 8,5 3,8 2,8 5,3,5 5,1 6,3 4,7 4,6 6,3 6,4 8,1 1,1 4,9 3,8 3,7 5,3,1 2,7 1,4 6,4 3,2 1,9 2,1 4, 5, 6,8 2,4 5,3 4,3 6,2,9 4,3 8,3 5,9 3,6 9,4 3,5 15,4 16,1 15,7 14,1 23,3 16,6 12,8 13,3 13,4 15,1 12,7 13,7 12,7 13,2 13,5 14,7 15,6 12,5 13,1 12,2 13,2 14,3 12,9 13,9 13,5 13,3 13,3 13,2 11,6 13,3 15,6 15,6 13,5 13,6 14,9 13,8 13,1 13,5 15, 13,5 15,3 16,3 13,3 2,9 21,2 22,7 23,3 24,5 23,8 2,8 22,8 21,1 22,5 2,2 21,5 21,1 22,3 22,4 21,8 23,2 21,3 18,8 2,7 22, 22,4 22,5 22,2 23,5 21, 21,7 21,5 2,4 21,6 23,1 22,3 22,4 2,9 23,5 2,3 22, 21,5 22,4 21,6 23,5 24,2 21,2 6,2 1,6 5,6 12,9 6,9,1,8,8 6,4 2,1,6,1,1 5,2 3,7 2,9 2,,7 2,2,829,88,78,816,758,779,816,82,835,786,82,811,826,81,819,814,788,837,844,837,85,792,784,89,798,838,812,825,837,82,735,762,814,815,87,788,798,8,83,82,73,756, DN (%) Ryc Rozbieżność w dziennej i nocnej(razem) ocenie stopnia zachmurzenia między MODIS i SYNOP na każej z uwzględnionych stacji meteorologicznych. N i ρ istotne statystycznie przy α=5. Wyniki dla obserwacji w skali procentowej 52

53 Biorąc pod uwagę wyłącznie obserwacje wykonane podczas dnia, można zauważyć istotny wzrost zgodności obserwacji MODIS i SYNOP, wyrażony średnią N (ryc.3.5).obserwowaneróżnicezawierająsięwprzedziale4,3% N +9,6%,przy czym aż 39 stacji charakteryzuje różnica z zakresu 4%< N<+4%. Specyficzne dla pory dziennej było liczne występowanie różnic ujemnych(17 stacji), oznaczających wyższą ocenę stopnia zachmurzenia przez obserwacje naziemne, w stosunku do obserwacji MODIS. Najmniejszą różnicę zaobserwowano dla stacji Włodawa ( N=25%) oraz stacji Piła, Gorzów Wielkopolski i Częstochowa( N=,1%). Zaokrąglając wielkość średniej różnicy do wartości całkowitych(z taką precyzją najczęściej podawany jest stopień zachmurzenia ogólnego), zaskakująco wysoką zgodność ( N<1%) można przypisać aż 17 stacjom, co dowodzi bardzo dużej wiarygodności dziennych obserwacji MODIS, przyjmując dane SYNOP za referencyjne. Największe rozbieżności w dalszym ciągu obserwowane były dla stacji nadmorskich, szczególnie Świnoujścia( N=9,6%) i Szczecina( N=5,9%). Statystyki dla Helu( N=4,3%) wyróżnia jedynie wyższa niż typowo mediana(3,8% przy % dla większości stacji), natomiast statystyki dla Ustki( N=3,3%, Me=%) praktycznie nie wyróżniają jej na tle pozostałych stacji. Pomimo iż średnia N wskazuje na dużą zgodność dziennych ocen zachmurzenia, zgodność wyrażona średnią N jest niemal zawsze większa niż 1%, nie przekraczając w większości przypadków 13%. Nocą, gdy MODIS dysponuje wyłącznie informacją z zakresów spektralnych między 3,714,2 µm, a obserwatorzy naziemni mają do dyspozycji jedynie ograniczoną ilość światła, różnice MODISSYNOP na poszczególnych stacjach meteorologicznych znacząco wzrastają(ryc. 3.6). Średnia wielkość N aż w 17 przypadkach byławiększaniż1%,wtymtakżedlastacji,którewciągudniawykazywały różnice N<3% przy zerowej medianie(np. Mikołajki, Wieluń, Zakopane, Nowy Sącz). W skrajnym przypadku(świnoujście), MODIS oszacował średnie zachmurzenie o 28,7 punktów procentowych wyższe, niż obserwatorzy naziemni, co stanowi bardzo dużą rozbieżność. Najmniejsza średnia różnica obserwacji nocnych została stwierdzona dla Mławy: N=1,9%. Wartość ta wyraźnie odstawała od ocen dla resztystacji kolejnymistacjami,codo N,byłyPłockiWrocławz N=4,3%. Tak mała wartość średniej N dla Mławy wynikała z częstego występowania na tej stacji ujemnych N, co na ryc. 3.6 zaznacza się położeniem pierwszego kwartyla znacznie poniżej zera. Większa częstość N< częściowo zrównoważyła typowe dla nocy różnice dodatnie, sugerując dużą zgodność ocen zachmurzenia. Jak pokazuje średnia N, rzeczywiste różnice w ocenie zachmurzenia były jednak większe, wy 53

54 DN(%) DN DN s Me Ustka Hel Elbl¹ g Suwa³ ki Œwinoujœcie Szczecin Pi³ a Chojnice Toruñ M³ awa Olsztyn Miko³ ajki Bia³ ystok Gorzów Wlkp. S³ ubice Poznañ Ko³ o P³ ock Warszawa Siedlce Terespol Zielona Góra Leszno Wroc³ aw Kalisz Wieluñ ódÿ Radom Lublin W³ odawa Jelenia Góra K³ odzko Opole Racibórz Czêstochowa KrakowBalice Kielce Rzeszów Sandomierz Bielsko Bia³ a Zakopane Nowy S¹ cz Lesko 3,3 4,3 3, 3, 9,6 5,9,1 2,4,5,7 1,7 1,6 1,4,1 3,3 3,7 3,6 1,6 2,4,7,6 1,3 4,3 1,3 2,2 3,1,7,9,7,3 3,3 1,9 2,9,1 3,5 3,3,3 3,5 2,6 2,4 3,6,8 12,7 12,6 14,1 11,3 17,3 14,5 11,2 11,7 12,1 14,7 9,9 1,2 1,4 12,1 11,5 12,7 12,5 11, 12,3 1,4 11,4 12,9 13, 13,1 13,4 12, 11,6 11,2 1,9 11,5 13,4 13,2 12,8 13,3 13,2 11,8 12,1 12,3 12,7 1,9 12,7 12,4 12,4 17,3 16,6 2,4 17,7 19,5 2,5 16,8 19,2 18,3 21,3 15, 15,4 16,3 19,6 18,6 17,8 16,9 18,7 17,1 16,6 17,5 19,3 21,6 2,2 22,2 18,2 17,6 18,2 18,3 18, 19, 18,2 2,4 19,8 2 16,8 18,7 18,8 17,3 16,5 18,6 17,1 18,3 3,8 12,5 6,6 1,,6 4,8,6 1,3 3,3 1,1,7,893,864,841,894,841,821,852,839,87,822,891,884,895,838,854,868,861,872,887,883,865,83,769,833,8,862,865,885,866,882,787,834,844,85,859,839,846,86,87,873,83,86, DN (%) Ryc Rozbieżność w dziennej ocenie stopnia zachmurzenia przez MODIS i SYNOP na wszystkich uwzględnionych stacjach meteorologicznych. N i ρ istotne statystycznie przy α=5. Wyniki dla obserwacji w skali procentowej 54

55 DN(%) DN DN s Me Ustka Hel Elbl¹ g Suwa³ ki Œwinoujœcie Szczecin Pi³ a Chojnice Toruñ M³ awa Olsztyn Miko³ ajki Bia³ ystok Gorzów Wlkp. S³ ubice Poznañ Ko³ o P³ ock Warszawa Siedlce Terespol Zielona Góra Leszno Wroc³ aw Kalisz Wieluñ ódÿ Radom Lublin W³ odawa Jelenia Góra K³ odzko Opole Racibórz Czêstochowa KrakowBalice Kielce Rzeszów Sandomierz Bielsko Bia³ a Zakopane Nowy S¹ cz Lesko 15,3 17,2 11,8 1,6 28,7 11,5 8,1 8,8 1,8 1,9 9,2 12,1 8,6 9,9 9,8 9,6 13,4 4,3 7,7 9,1 8,7 1 4,7 4,3 5,8 1,1 7,6 6, 5,2 8,7 11,1 1,9 7,4 8, 9,2 9,4 5,8 9,6 14,8 1 1,5 16,2 8,6 18,4 2,1 17,4 17,3 3,1 18,9 14,5 15,1 14,8 15,4 16, 17,8 15,4 14,3 15,8 16,9 19,1 14,1 14, 14,2 15,3 15,9 12,7 15, 13,7 14,8 15,4 16,1 12,4 15,4 18,1 18,4 14,4 14, 16,8 16,1 14,3 14,8 18, 16,6 18,4 2,7 14,2 22,8 23,8 22,6 28, 25,6 26,9 23,9 25,2 22,7 23,6 24,4 26,1 25,1 24,1 25,6 25,3 28, 23,7 2,1 23,6 25,4 24,7 22,5 24,3 24,2 23,3 25, 25,1 22,1 24,4 25,9 25,8 23,7 21,9 26,1 23,4 24,5 23,2 26,5 26, 26,5 28,9 23,1 1,9 12,5 11,1 24,8 7,1,2,1 2,,7 2,1,1,1 1,4,7 1, 7,5 4,3,2 1,7,1,3,5,7 1,2 4,1,3,3,1 4,7,5,8 2,6,2 7,2 7,1,793,771,749,756,722,755,795,78,813,756,763,767,774,794,799,775,741,815,811,85,766,771,84,79,798,823,775,765,816,775,76,72,795,791,769,743,77,761,761,742,649,688, DN (%) Ryc Rozbieżność w nocnej ocenie stopnia zachmurzenia przez MODIS i SYNOP na wszystkich uwzględnionych stacjach meteorologicznych. N i ρ istotne statystycznie przy α=5. Wyniki dla obserwacji w skali procentowej 55

56 nosząc 15,4%. Ogólnie, średnia N nocą na poszczególnych stacjach była typowo wyższa o około 5 punktów procentowych, niż w ciągu dnia. Przedstawiona powyżej charakterystyka rozbieżności danych MODIS i SYNOP w odniesieniu do poszczególnych stacji i pory doby, ulega znacznemu uproszczeniu, gdy w miejsce danych w skali procentowej, wykorzystane zostaną dane w skali oktantowej(ryc ). Ponieważ bez względu na porę doby dominującymi różnicami były N=1 oktant, N= oktanów i N=+1 oktant, liczebność pikseli dla tych trzech klas determinuje kształt rozkładu. Rozkłady grupują się w trzy główne typy, które można opisać ze względu na wartości kwartyli: Typ1:symetryczny,Q 1 =1oktant,Me=oktantów,Q 3 =+1oktant;zbliżona liczba dodatnich i ujemnych różnic N; Typ2:asymetryczny,Q 1 =Me=oktantów,Q 3 =+1oktant;dodatnieodchylenia różnic N przeważają nad ujemnymi(częściej większe zachmurzenie wskazywane przez MODIS); Typ3:asymetryczny,Q 1 =1oktant,Me=Q 3 =oktantów;ujemneodchylenia różnic N przeważają nad dodatnimi(częściej większe zachmurzenie wskazywane przez SYNOP). Cechą wspólną wyróżnionych typów jest Me= oktantów. Typ trzeci występuje najrzadziej i jedynie podczas obserwacji dziennych. W czasie obserwacji dziennych typy pierwszy i drugi są równie liczne, jednak nocą typ trzeci stanowi zdecydowaną większość. Za wyjątkiem stacji Hel i Świnoujście, rozkłady wszystkich średnich wielkości dla całej doby przynależą bądź do typu pierwszego, bądź drugiego. Interesujące są przypadki, które nie należą do żadnego z trzech typów. Dla większości z nich wspólną cechą jest Me> oktantów(najczęściej Me=1 oktant), co oznacza znaczące zawyżenie wielkości stopnia zachmurzenia przez MODIS, w stosunku do danych SYNOP. Przypadki te korespondują z różnicami obserwowanymi dla skali procentowej: N>1%11% nocą, N>8% podczas dnia oraz N>1% dla sumy obserwacji z dnia i nocy. Na szczególną uwagę zasługują Białystok(obserwacjedzienne),wprzypadkuktóregowszystkietrzykwartyleQ 1 =Me=Q 3 =oktantów. Dodatkowo, średnia różnica wynosiła N=7 oktanta i była najmniejszą, jaką zaobserwowano dla wszystkich stacji podczas dnia, gdy interpretowane były dane w skali oktantowej. 56

57 DN DN DN(%) s Me Ustka Hel Elbl¹g Suwa³ki Œwinoujœcie Szczecin Pi³ a Chojnice Toruñ M³ awa Olsztyn Miko³ ajki Bia³ ystok Gorzów Wlkp. S³ ubice Poznañ Ko³ o P³ ock Warszawa Siedlce Terespol Zielona Góra Leszno Wroc³ aw Kalisz Wieluñ ódÿ Radom Lublin W³ odawa Jelenia Góra K³ odzko Opole Racibórz Czêstochowa KrakowBalice Kielce Rzeszów Sandomierz Bielsko Bia³ a Zakopane Nowy S¹ cz Lesko,6,7,2,4 1,4,6,2,2,4,3,4,3,3,4,4,6,3,2,2,4,1,2,4,2,1,1,2,3,4,1,3,3,4,3,6,4,1,6,2 1,1 1,2 1,1 1,1 1,7 1,3 1, 1,1 1,1 1,1 1, 1,1 1, 1,1 1,1 1,1 1,2 1, 1,,9 1, 1,1 1, 1, 1, 1, 1, 1,,9 1, 1,1 1,2 1,1 1,1 1,2 1,1 1, 1, 1,2 1,1 1,2 1,3 1,1 1,6 1,6 1,8 1,8 1,9 1,8 1,6 1,8 1,7 1,7 1,6 1,7 1,6 1,8 1,7 1,7 1,8 1,7 1,4 1,6 1,7 1,7 1,8 1,7 1,8 1,6 1,7 1,7 1,6 1,7 1,8 1,8 1,7 1,6 1,8 1,6 1,7 1,7 1,7 1,7 1,8 1,9 1,7 1, 1,,88,792,772,82,746,765,81,786,818,773,8,798,813,799,85,8,781,819,825,823,788,782,773,8,783,828,83,811,817,82,732,747,8,81,793,775,789,792,79,788,725,74, DN (oktanty) Ryc Rozbieżność w dziennej i nocnej(razem) ocenie stopnia zachmurzenia przez MODIS i SYNOP na wszystkich uwzględnionych stacjach meteorologicznych. N i ρ istotne statystycznie przy α=5. Wyniki dla obserwacji w skali oktantowej 57

58 DN DN DN(%) s Me Ustka Hel Elbl¹g Suwa³ki Œwinoujœcie Szczecin Pi³ a Chojnice Toruñ M³ awa Olsztyn Miko³ ajki Bia³ ystok Gorzów Wlkp. S³ ubice Poznañ Ko³ o P³ ock Warszawa Siedlce Terespol Zielona Góra Leszno Wroc³ aw Kalisz Wieluñ ódÿ Radom Lublin W³ odawa Jelenia Góra K³ odzko Opole Racibórz Czêstochowa KrakowBalice Kielce Rzeszów Sandomierz Bielsko Bia³ a Zakopane Nowy S¹ cz Lesko,2,3,3,1,7,4,1,3,1,2,1,1,2,2,2,1,2,1,4,3,1,1,2,2,1,2,1,2,2,1,2,4,1,2,1,3,2,2,9,9 1,,8 1,3 1,,8,9,9 1,,7,7,7,9,9,9,8,8,8,7,8,9 1,,9 1,,9,8,8,8,8,9,9,9 1, 1,,8,8,9,9,8,9,9,9 1,3 1,2 1,5 1,3 1,4 1,5 1,3 1,4 1,4 1,6 1,1 1,1 1,2 1,5 1,4 1,3 1,2 1,4 1,3 1,2 1,3 1,5 1,7 1,5 1,7 1,4 1,3 1,4 1,4 1,3 1,4 1,4 1,5 1,5 1,5 1,3 1,4 1,4 1,3 1,3 1,4 1,3 1,4 1,,879,858,832,874,834,86,839,818,851,89,865,872,879,823,833,851,85,851,87,868,848,816,755,824,789,851,856,872,849,864,78,811,831,832,846,83,841,846,862,857,82,843, DN (oktanty) Ryc Rozbieżność w dziennej ocenie stopnia zachmurzenia przez MODIS i SYNOP na wszystkich uwzględnionych stacjach meteorologicznych. N i ρ istotne statystycznie przy α=5. Wyniki dla obserwacji w skali oktantowej 58

59 DN DN DN(%) s Me Ustka Hel Elbl¹g Suwa³ki Œwinoujœcie Szczecin Pi³ a Chojnice Toruñ M³ awa Olsztyn Miko³ ajki Bia³ ystok Gorzów Wlkp. S³ ubice Poznañ Ko³ o P³ ock Warszawa Siedlce Terespol Zielona Góra Leszno Wroc³ aw Kalisz Wieluñ ódÿ Radom Lublin W³ odawa Jelenia Góra K³ odzko Opole Racibórz Czêstochowa KrakowBalice Kielce Rzeszów Sandomierz Bielsko Bia³ a Zakopane Nowy S¹ cz Lesko 1,1 1,1,8,8 2,1,9,6,7,9,1,6,8,6,8,8,7 1,,3,6,7,7,8,3,3,4,7,6,5,3,6,8,8,6,5,7,7,4,7 1,1,7,7 1,2,6 1,4 1,5 1,3 1,5 2,2 1,5 1,2 1,3 1,3 1,2 1,4 1,5 1,3 1,2 1,4 1,4 1,6 1,3 1,1 1,2 1,3 1,3 1,1 1,2 1,2 1,2 1,2 1,4 1,1 1,3 1,4 1,5 1,2 1,2 1,4 1,3 1,2 1,2 1,6 1,4 1,4 1,7 1,3 1,9 1,9 1,9 2,2 2,1 2,1 1,9 2, 1,8 1,8 2, 2,1 2, 1,9 2, 2, 2,2 1,9 1,6 1,9 2, 1,9 1,8 1,9 1,9 1,8 1,9 2, 1,8 1,9 2, 2,1 1,9 1,7 2, 1,9 1,9 1,8 2,1 2,1 2,1 2,3 1,9 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1,,762,737,739,748,77,742,781,769,81,744,749,754,765,786,789,764,734,8,789,794,75,763,796,782,784,814,767,75,793,756,76,711,784,783,754,727,759,761,745,73,651,675, DN (oktanty) Ryc Rozbieżność w nocnej ocenie stopnia zachmurzenia przez MODIS i SYNOP na wszystkich uwzględnionych stacjach meteorologicznych. N i ρ istotne statystycznie przy α=5. Wyniki dla obserwacji w skali oktantowej 59

60 3.3. Czynniki wpływające na rozbieżność ocen zachmurzenia ogólnego Pora roku Rozbieżność w ocenie stopnia zachmurzenia przez MODIS i SYNOP wykazała wyraźne zróżnicowanie ze względu na porę roku(ryc. 3.1). Najmniejsze różnice zaobserwowano podczas miesięcy cieplejszej połowy roku(marzecwrzesień), gdy N zazwyczaj nie przekraczała 4,1%(najmniejsza wystąpiła w czerwcu, N=1,9%). W pozostałych miesiącach różnice były zazwyczaj większe niż 5%, wynosząc skrajnie 8,8% w lutym. Ciepła połowa roku była również okresem większego rozrzutu N. W miesiącach chłodnej połowy roku 5% przypadków mieściło się w zakresie od%do12,5%;kwartyldolnyimedianatypowobyłybliskielubrówne%, kwartyl górny osiągał wartość 12,5%. Od maja, dotąd asymetryczny rozkład stopniowo wyrównywał się, co znajdowało odbicie w wartości dolnego kwartyla zdążającej do12,5%. Od sierpnia, rozkład ponownie przechodził w typowy dla chłodnej połowy roku. Sezonowa fluktuacja różnic jest jeszcze lepiej ilustrowana przez wartość graniczną dla przypadków odstających(skrajny kwartyl ±1,5 rozstępu ćwiartkowego). Od października do marca odstającymi były sytuacje, dla których N>+3% i N<2%. Analogiczne granice w porze letniej były symetryczne i przede wszystkim o 12 punktó procentowych wyższe: przesunęły się na N>+4% dla odchyleń dodatnich i N<4% dla odchyleń ujemnych. Prawidłowości w sezonowej zmienności różnicy oceny zachmurzenia, dostrzeżone łącznie dla dnia i nocy, są widoczne również indywidualnie dla obserwacji dziennych i nocnych. W ciągu dnia(ryc. 3.1B), miesiące od marca do września wykazywały średnią miesięczną różnicę ujemną. Różnica dla pozostałych miesięcy była zawsze dodatnia i od grudnia do marca przekraczała N=4%. Interesującą okazała się być roczna zmienność średniej N w porze nocnej(ryc. 3.1C). W przeciwieństwie do obserwacji dziennych, większe rozbieżności(zazwyczaj N>11%) obserwowane były nie w porze chłodnej, ale ciepłej, od kwietnia do sierpnia. W pozostałych miesiącach N z reguły nie przekroczyły 1%. Zastąpienie danych o zachmurzeniu wyrażonych w skali procentowej danymi w skali oktantowej prowadzi do zatarcia szczegółów rocznej zmienności N(ryc. 3.1DF). Zarówno dla obserwacji dziennych i nocnych traktowanych łącznie, jak i dziennych indywidualnie, średnia różnica nie przekracza,5 oktanta, przy czym wartości ujemne występują jedynie dla obserwacji dziennych i wyłącznie dla miesięcy od kwietnia do sierpnia. Rozbieżność między nocnymi ocenami zachmurzenia 6

61 A œrednia N 6,8 8,8 6,9 4,1 3,7 1,9 4,2 3,5 2,7 4,2 6, 6,3 œrednia N,3,5,5,4,2,1,3,3,3,3,3,3 œrednia N N Me N 12,8 13,3 14,6 15,8 15,5 15,8 15,4 16,4 15,4 13, 12,1 11,8 œrednia N 1, 1,1 1,2 1,2 1,1 1,1 1,1 1,2 1,1 1, 1, 1, 21,7 21,9 23,2 24,3 23,1 21,9 21,2 23,1 22,7 2,5 21,1 2,3 N 1,7 1,8 1,8 1,8 1,7 1,6 1,6 1,7 1,7 1,6 1,7 1,6,3,8,2 1,8 3,2 1,1,2,3 Me N D N (%) N (oktanty) B œrednia N 4,5 7,6 4,5 1,4 2,7 2,5 2,3 4,2 3,4,5 3,6 5,7 œrednia N,2,4,3,1,3,3,3,4,3,1,3 œrednia N N Me N 9,9 1,6 12,2 14,7 13,8 14,5 13,7 15, 13, 11,8 9,9 9,6 œrednia N,8,8,9 1, 1, 1,,9 1,,8,7,7,7 16, 16,5 18,3 21,5 2 19,4 17,7 19,4 19, 17,4 16,2 15,9 N 1,3 1,3 1,4 1,6 1,4 1,4 1,3 1,4 1,4 1,3 1,3 1,3,2 Me N E N (%) N (oktanty) C œrednia N 9,3 1,2 9,7 11,3 11,6 7, 12, 12,6 9,9 8,6 8,5 6,8 œrednia N,5,7,7 1,,9,6,9 1,,9,6,5,3 œrednia N N Me N 15,9 16,3 17,4 17,3 17,6 17,2 17,5 18, 16,3 14,6 14,4 14,2 26,3 26,7 27,6 25,7 24,1 23,5 22,4 23,7 24,6 23,1 25,1 24,3,4 4,2 8,3 5,1 1,5 8,8 2,6 2, œrednia N N Me N 1,3 1,5 1,5 1,5 1,3 1,3 1,3 1,4 1,4 1,2 1,2 1,2 2,1 2,2 2,2 2, 1,9 1,8 1,7 1,8 1,9 1,8 2, 2, 1, 1, 1, 1, 1, 1, F N (%) N (oktanty) Miesi¹c Miesi¹c Ryc Średnie miesięczne rozbieżności w ocenie stopnia zachmurzenia przez MODIS isynop.aid obserwacjezdniainocyłącznie;bie tylkoobserwacjedzienne, C i F tylko obserwacje nocne. Wyniki dla obserwacji w skali procentowej zestawia lewa kolumna, dla skali oktantowej prawa 61

62 4 3 Czêstoœæ (%) 2 1 STY LUT MAR KWI MAJ CZE LIP SIE WRZ PA LIS GRU Miesi¹c Ryc Roczny rozkład częstości średnich miesięcznych różnic w ocenie zachmurzenia. Kolor niebieski: N=%, kolor czerwony: N=12,5%. Oś pozioma dla każdego miesiąca obejmuje zakres od1% do +1%(wartości nie naniesione na wykres ze względu na czytelność) w poszczególnych miesiącach zawiera się w przedziale od,5 oktanta do 1, oktanta i jest zawsze dodatnia. Obserwowanej sezonowej zmienności wielkości różnic i ich rozkładu towarzyszyły zmiany częstości występowania nieba całkowicie zachmurzonego. Jak już wcześniej wspomniano(rozdział 3.2), pełna zgodność obserwacji satelitarnych i naziemnych ( N=%) występowała jedynie w sytuacjach, gdy obserwatorzy naziemni notowali N= lub N=8 oktantów. Z danych zamieszczonych w tabeli 3.2 wynika, iż niebo bezchmurne było znacznie rzadziej odnotowywane, niż niebo całkowicie zachmurzone, a zatem liczba tych ostatnich sytuacji determinowała częstość, z jaką stwierdzane były obserwacje zgodne. Od listopada do marca obserwacje naziemne z N=8 oktantów stanowiły przynajmniej 3% wszystkich w danym miesiącu, w najbardziej pochmurnym grudniu stanowiąc niemal połowę przypadków(45%). Statystyka ta była odmienna w pozostałych miesiącach sytuacje z N= oktantów stawały się coraz rzadsze, w skrajnych przypadkach odpowiadając 14%17% obserwacji w danym miesiącu. Konsekwencją spadku częstości obserwacji N=8 oktantów był spadek częstości różnic N=(ryc. 3.11). Od czerwca do sierpnia różnice N=% i N=12,5% są niemal równie liczne, choć zimą tych pierwszych bywa nawet trzykrotnie więcej. W sposób oczywisty, w następstwie spadku liczebności N=% przybyło obserwacji N %, co rzutowało na zaobserwowany większy rozrzut różnic. Przyrost częstości różnic dodatnich i ujemnych nie był jednak proporcjonalny stosunkowo więcej było różnic negatywnych i zaczęły one ważyć na średniej dla całego miesiąca, zbliżając ją do N=%. Większą zgodność będącą efektem znoszenia się różnic o prze 62

63 Tab Średnia miesięczna częstość obserwacji SYNOP o określonym stopniu zachmurzenia oraz częstość dodatnich i ujemnych różnic MODISSYNOP i obserwacji zgodnych 63 Miesięczna częstość obserwacji SYNOP(%) Średnie N(%) Częstość N(%) N> N= MODIS SYNOP < > Styczeń,4 6,3 2,5 2,6 3,5 4, 5,7 37,1 37,9 83,9 77,1 27,95 28,43 43,61 1, Luty,7 1,2 2,9 2,9 3,1 3,8 4,9 33,2 38,3 8,1 71,3 24,4 27,19 48,75 2, Marzec 2,1 16,6 4,3 3,1 3,6 4,7 5,1 28,5 31,9 7,8 64, 25,87 21,91 52,21 2, Kwiecień 4,7 23,9 5,5 5, 5, 5,2 6,3 23,6 2,9 58, 53,9 28,44 15,33 56,21 1, Maj 3,2 14,3 4,3 4,6 4,6 6,1 7,6 28,3 26,9 69,1 65,4 32,4 16,73 5,86 1,57 45 Czerwiec 2,6 2 6,2 6,3 6,9 7, 8,3 26,1 16,6 6,4 58,5 36,81 8,1 55,8 1, Lipiec 1, 15,6 5,6 6,1 6,8 7,8 9,6 28,4 19,1 66, 61,8 35,38 9,17 55,43 1, Sierpień 3,5 22, 6,9 6, 6,1 6,7 7,2 22,3 19,2 58,1 54,6 35,69 1,21 54,8 1, Wrzesień 1,7 27,4 5,3 5,6 5,4 5, 6, 2,9 13,8 48,4 45,7 31,99 15,13 52,86 1, Październik 6,1 17,4 4,2 3,6 3,6 4,1 5,3 27,5 28,2 66, 61,8 26,52 2,58 52,88 1, Listopad 1, 7,8 2,7 2,5 2,7 2,9 5,1 33,3 41,9 82,9 76,9 26,4 29,89 43,69 1, Grudzień,4 5,7 2,8 2, 2,5 3,4 5,1 32,8 45,2 85,8 79,6 26,11 31,99 41,89 1, N< n

64 Tab Średnie miesięczne dzienne i nocne oceny zachmurzenia ogólnego wg MODIS isynop; δ różnicamiędzywartościamizachmurzeniadladniainocy(indeksmod danedlamodis,syn dlasynop) Miesiąc NMODIS(%) Dzień Noc δ MOD NSYNOP(%) Dzień Noc δ SYN δ MOD δ SYN 1 84, 83,7,29 79,6 74,5 5,1 4, ,3 76,4 6,93 75,7 66,1 9,56 2, , 65,8 9,27 7,6 56,1 14,49 5, ,4 4,68 61,4 44, 17,36 12, ,9 69,3,39 71,6 57,7 13,88 14, ,8 55,4 9,46 67,4 48,3 19, 9, ,2 66,9 1,69 67,6 54,9 12,65 14, ,4 57,7,77 62,7 45, 17,63 16, ,4 43,9 8,51 55,7 34, 21,75 13, ,2 62, 7,23 68,6 53,4 15,3 8, ,5 82,2 1,3 79,9 73,7 6,19 4, ,3 84,2 3,9 81,5 77,3 4,18 1,9 ciwnych znakach, potwierdzają wartości N. Można zaobserwować ich wyraźny cykl roczny: wartości mniejsze( N <15%) występują w chłodnej połowie roku, gdy częstsze są obserwacje nieba całkowicie zachmurzonego, podczas gdy wartości większe( N >15%) zostały zaobserwowane jedynie w ciepłej połowie roku, a więc warunkach częstszego odnotowywania nieba z zachmurzeniem mniejszym niż N=8 oktantów. Zarówno w przypadku dnia, jak i nocy, przedstawiona na ryc prawidłowość co do zmienności proporcji liczby sytuacji z N=% i N=12,5% jest zachowana. Z porą doby zmienia się natomiast częstość występowania odchyleń dodatnich: w ciągu dnia jest ona zbliżona lub mniejsza w stosunku do częstości występowania różnic ujemnych, nocą, bez względu na miesiąc, wyraźnie przeważają różnice dodatnie, w tym także zaznaczają się nieobserwowane podczas dnia różnice N=1%. Wielkość rozbieżności w średniej ocenie stopnia zachmurzenia nocą idzie w parze z niezgodnością danych MODIS i SYNOP co do różnicy wartości zachmurzenia ogólnego między dniem i nocą. Średnie dzienne zachmurzenie wynikające z danych MO DIS różni się od nocnego maksymalnie o 1 punktów procentowych i nie wykazuje zależności od pory roku(tab. 3.3). W przypadku średniego zachmurzenia wyznaczonego z obserwacji naziemnych, różnica między dniem i nocą przekracza 1 punktów procentowych w każdym z miesięcy od marca do października i jest wyraźnie większa w cieplejszej połowie roku. 64

65 Stopień zachmurzenia Jak już zostało powiedziane, pełna zgodność obserwacji SYNOP i MODIS zaobserwowana została wyłącznie dla sytuacji, gdy obserwator naziemny odnotowywał niebo bezchmurne lub całkowicie zachmurzone. Nie jest więc bezpodstawnym przypuszczenie, że wielkość różnic w ocenie zachmurzenia może mieć związek ze stopniem zachmurzenia w momencie wykonywania obserwacji. Aby zweryfikować tę hipotezę, różnice MODISSYNOP zostały zestawione ze względu na stopień zachmurzenia nieba, określony przez obserwatorów naziemnych(ryc. 3.12). Rezultaty otrzymane osobno dla obserwacji dziennych i nocnych wskazują na dwie odmienne tendencje. Nocą, bez względu na stopień zachmurzenia, obserwacje MODIS prawie zawsze wskazywały na zachmurzenie wyższe, niż dane SYNOP(ryc. 3.12C). Relacja była odmienna wyłącznie dla N=8 oktantów, gdy N=3,8%. Gdy przeciętną wielkość różnic wyrazić średnią arytmetyczną, zaznacza się wyraźny trend spadku wielkości różnic ze wzrostem zachmurzenia, od około N=2% dla N<3 oktanty, do niemal N=% dla N=8 oktantów. Na podobny trend wskazuje mediana różnic, jednak tutaj początkowo przeciętna różnica jest niewielka(me=8% dla N<2 oktanty), po czym znacząco wzrasta, zbliżając się do wartości średniej arytmetycznej i dla N> 3 oktanty przejawiając już podobny przebieg jak średnia arytmetyczna. Sytuacja jest bardziej złożona w przypadku obserwacji wykonanych podczas dnia (ryc. 3.12B). Gdy niebo było zachmurzone w mniej niż połowie, obserwacje SYNOP wskazały średnio niższe zachmurzenie, niż wynika to z danych MODIS. Bezwzględnie największa rozbieżność( N=6,8%) została zaobserwowana dla N=3 oktanty. Gdy według obserwatorów naziemnych chmury przykrywały więcej niż połowę nieba, MODIS wskazywał na większe zachmurzenie niż dane SYNOP, a maksymalna rozbieżność w tym zakresie N sięgnęła N=5,3%. Najbardziej zgodne ze sobą okazały się obserwacje dla N= oktantów i N=8 oktantów, co zostało już uprzednio stwierdzone w kontekście ogólnej częstości różnic. Sinusoidalny przebieg N w funkcji N jest wyraźnie widoczny zarówno dla wartości średnich, jak i mediany, w przypadkuktórejskrajneodchyleniainplusiinminussąnawettrzyrazywiększe,niż dla średniej arytmetycznej. Przebiegu takiego nie mają natomiast N, przyjmując największe wartości( N >2%) dla zakresu N odpowiadającego wyższym ocenom zachmurzenia przez SYNOP. Wypadkowa obserwacji nocnych i dziennych wykazuje przebieg sinusoidalny, podobny do obserwowanego dla dnia, jednak wartości średnich różnic są zawsze dodatnie(za wyjątkiem N=8 oktantów), tak jak ma to miejsce nocą. Sinusoidalny charak 65

66 œrednia N 19,5 6,4 7,1 4,2 2,5 4, 5,2 5,3 2,5 œrednia N 1,9,8,7,4,2,2,2,1,4 œrednia N N 19,5 28,2 18,3 25,3 26, 31, 26,4 31,2 24, 28,4 22,5 26,4 18,9 22,2 12,3 14,7 2,5 9,2 œrednia N N 1,9 2, 1,1 1,8 1,8 2,2 1,9 2,3 1,8 2,1 1,7 2, 1,3 1,6,6 1,1,4,8 Me N 4,8 6,3 3,1,8 1,7 7,9 12,6 11,9 Me N 1, 1, 1, +1 A +8 D N (%) +5 5 N (oktanty) y = x+3.6x.23x 2 R = y = x+.22x.2x 2 R = N (oktanty) N (oktanty) œrednia N 9,8 2,2 5,6 6,8 4,1,7 3,1 5,3 1,2 œrednia N 1,2,3,2,4,3,1,1,3 œrednia N N 9,8 19,1 14,1 19,3 2,2 23,4 23,1 21,8 26,3 25,8 21, 25,4 18,4 22,5 12,2 14,6 1,2 6,2 œrednia N N 1,2 1,4,7 1,4 1,3 1,7 1,6 1,9 1,6 1,9 1,6 1,9 1,2 1,6,6 1,1,3,6 Me N,5 11,1 15,2 12,7 4,6 2, 9,8 11,8 Me N 1, 1, 1, 1, B E N (%) +5 5 N (oktanty) y = x+4.36x.32x 2 R = y = x+.29x.2x 2 R = N (oktanty) N (oktanty) œrednia N 22,5 15,7 2,1 19,5 16,2 14,3 1 5,2 3,8 œrednia N 2,1 1,5 1,7 1,5 1,2 1,,5,1,6 œrednia N N 22,5 29,8 22,8 28,8 3,4 32,3 3,9 31, 28,5 28,5 26, 25,6 2,2 2,7 12,5 14,7 3,8 11,5 œrednia N N 2,1 2,1 1,5 2,1 2,2 2,4 2,3 2,3 2,1 2,1 1,9 1,9 1,3 1,5,7 1,1,6,9 Me N 7,6 5,6 16,3 21,4 21,2 23,4 19,3 12,1 Me N 1, 1, 2, 2, 2, 1, +1 C +8 F N (%) +5 5 N (oktanty) y = x+.67x.1x 2 R = y = x+.6x.1x 2 R = N (oktanty) N (oktanty) Ryc Zgodność obserwacji MODIS i SYNOP w zależności od stopnia zachmurzenia w momencie dokonywania obserwacji. Stopień zachmurzenia(oś pozioma) wg obserwacji SYNOP.AiD obserwacjezdniainocyłącznie;bie tylkoobserwacjedzienne,cif tylko obserwacje nocne. Lewa kolumna wyniki dla obserwacji w skali procentowej, prawa kolumna dla skali oktantowej 66

67 Tab Rozbieżności w ocenie zachmurzenia ogólnego przez MODIS i SYNOP dla chmur poszczególnych pięter Skala procentowa Skala oktantowa śr. N σ N Me N śr. N śr. N σ N Me N śr. N Chmury piętra niskiego Dzień+noc 7,9 23,7 6,9 19,9,6 1,8 1, 1,4 Dzień 2,4 2,9 1, 17,,2 1,5 1,2 Noc 18,6 25,3 21,4 25,6 1,4 1,9 1, 1,8 Chmury piętra średniego Dzień+noc 16,8 26,6 14,9 24,5 1,3 2, 1, 1,8 Dzień 5,1 22,8,3 18,,5 1,6 1,2 Noc 2,3 26,7 19,1 26,5 1,6 2, 1, 1,9 Chmury piętra wysokiego Dzień+noc <,1 32,9 4,5 25,8,1 2,4 1,8 Dzień 13,5 28, 12,5 24,7,9 2, 1, 1,6 Noc 11,2 32,4 9,2 26,6,9 2,4 1, 1,9 ter przebiegu różnic dla <N<7 oktantów powoduje znoszenie się różnic dodatnich i ujemnych w tym zakresie, nie wpływając znacząco na wartość ogólną dla wszystkich obserwacji. Podobnie, niewielki wpływ mają obserwacje dla N=8 oktantów, gdy szacunkimodisisynopnaogółsięzgadzają,takwczasiednia,jakinocy.nauwagę zasługują natomiast obserwacje, w czasie których obserwatorzy naziemni notowali N= i N=7 oktantów. Częstość, z jaką stwierdzane było N=7 oktantów jest porównywalna do częstości obserwacji N=8 oktantów(por. ryc. 3.1). Ponieważ były to częstości dominujące, średnia wielkość różnic dla N=7 oktantów miała duży wpływ na średnią różnicę wszystkich obserwacji. Bez względu na porę doby, w czasie gdy obserwator naziemny odnotowywał N=7 oktantów, MODIS wskazywał na zachmurzenie wyższe, średnio o N=5,3%. Podobna sytuacja miała miejsce dla obserwacji z N= oktantów, trzeciej co do częstości dla danych SYNOP. MODIS wskazywał w takim przypadku zachmurzenie średnio o N=19,5% wyższe, niż obserwacje naziemne( N=22,5% nocą). Ponieważ dodatnie różnice dla N= i N=7 oktantów nie były kompensowane przez analogiczne odchylenia ujemne, zdecydowały o ogólnym wyniku dla wszystkich obserwacji Piętro zachmurzenia Najmniejsza średnia różnica w ocenie zachmurzenia ogólnego została zaobserwowana dla chmur piętra wysokiego N była mniejsza niż,1%(tab. 3.4). Wartość ta powstała z uśredniania obserwacji dziennych i nocnych, z których pierwsze wska 67

68 zywały na wyższe oceny SYNOP( N=13,5%), podczs gdy drugie na wyższe oceny MODIS( N=11,2%). Za średnią zgodnością obserwacji, będącą efektem znoszenia się błędów przemawia średnia wartości bezwzględnych N. Dla chmur piętra wysokiego wyniosła ona N =25,8% i była wyższa niż dla chmur pozostałych pięter. Można spodziewać się, że ze względu na brak oświetlenia, obserwatorzy naziemni nocą wykażą tendencję do pomijania chmur piętra wysokiego. W takim przypadku dane MODIS wykazałyby większe zachmurzenie, co zostało zaobserwowane. Dziwić może natomiast ujemna N w ciągu dnia. Ze względu na specyfikę spektralną sensora MODIS, można oczekiwać iż detekcja chmury wysokich jest w jego przypadku równie skuteczna przez całą dobę. Dostępność światła dla obserwatorów naziemnych powinna wyeliminować nocne gubienie chmur piętra wysokiego i w efekcie wykazać zgodność obserwacji. Tym czasem stwierdzone zostało nie tyle zrównanie szacunków, co wyraźne wyższe oceny SYNOP. Zwraca uwagę również fakt, iż samodzielnie występujące chmury piętra wysokiego były obserwowane przez obserwatorów naziemnych nocą częściej, niż w ciągu dnia, choć i tu można oczekiwać sytuacji odwrotnej. Największą średnią różnicę w ocenie stopnia zachmurzenia zaobserwowano dla chmur piętra średniego: N=16,8%. Zarówno w ciągu dnia i nocy różnica była większa od zera, wynosząc odpowiednio N=5,1% i N=2,3%. Podobnymi statystykami cechowały się dzienne i nocne obserwacje chmur piętra niskiego, jednak w ich przypadku obserwacji dziennych było dwa razy więcej niż nocnych, co spowodowało, iż niższe różnice w ciągu dnia zaważyły na średniej dla całej doby( N=7,9%), odwrotnie jak w przypadku chmur piętra średniego, gdzie liczebnie dominowały obserwacje nocne, cechujące się większymi różnicami. Jeśli jako miarę zgodności zastosować N, najbardziej zgodne były szacunki dla chmur piętra niskiego, gdy N =19,9% i była niższa o około 5 punktów procentowych, niż dla pozostałych pięter. Średnia wartości bezwzględnych różnic w ocenie zachmurzenia była nocą podobna dla chmur każdego piętra( N 26%), jednak znacząco różniła się w ciągu dnia. W przypadku chmur piętra niskiego dzienne obserwacjemodisisynopróżniłysięśrednioo17%ipraktycznietakasamasytuacja miała miejsce w przypadku chmur piętra średniego( N =18%). Na tym tle wyraźnie odróżniały się chmury piętra wysokiego, gdzie rozbieżność między MODIS i SYNOP sięgała przeciętnie prawie 25% i była zaledwie o 2 punkty procentowe niższa, niż nocą. Na nietypowość dziennych rozbieżności w ocenie chmur piętra wysokiego wskazywały już wcześniej N i Me. 68

69 Aby stwierdzić, czy różnice w ocenie zachmurzenia chmurami występującymi tylko na jednym piętrze zależą od ogólnego stopnia pokrycia nieba chmurami, dokonano porównania analogicznego do przedstawionego na ryc Wynik prezentują ryc. 3.13(dla skali procentowej) oraz ryc. 3.14(dla skali oktantowej). Brak rezultatów dla N=7 i/lub N=8 oktantów wynika z braku lub niedostatecznej liczby obserwacji(mniej niż 1). W pozostałych przypadkach, dla każdego N, bez względu na porę doby i piętro zachmurzenia, dostępnych było co najmniej 1 obserwacji, najczęściej ponad 2, maksymalnie 638. Wyjątek stanowią wyniki dla piętra średniegowciągudnia dlaprzypadkówzn>1oktantdostępnychbyłood38do52 obserwacji, co każe traktować te wyniki jako orientacyjne. Nocą, ogólna tendencja wyznaczona przebiegiem średniej arytmetycznej N, ma identyczny charakter dla obserwacji chmur każdego piętra MODIS zawsze wskazuje zachmurzenie większe, niż dane SYNOP, przy czym największe rozbieżności występują dla N=2 i N=3 oktanty, malejąc stopniowo ze wzrostem N. Na podstawie dopasowanych krzywych trzeciego stopnia oraz wyników przedstawionych na ryc. 3.12, można przypuszczać, że z dalszym wzrostem N, różnice zbliżałyby się do N=%. W ciągu dnia tendencja jest inna dla każdego z pięter. W przypadku chmur piętra niskiego, dla niewielkiej ich ilości(n<3 oktanty), obserwatorzy naziemni wykazywali większe zachmurzenie niż MODIS: N=1,%, Me=8,8%. Wzrost zachmurzenia początkowo korespondował ze zmniejszaniem się rozbieżności, by ostatecznie N sięgnęła 7,2%(Me= 11,5%), wskazując na wyższe oceny zachmurzenia przez MODIS. Zachmurzenie chmurami piętra wysokiego było zawsze wyższe według obserwatorów naziemnych, przy czym(jak pokazuje średnia arytmetyczna) większe rozbieżności N 2% wystąpiły, gdy niebo było bardziej zachmurzone(n>4 oktanty). Na podstawie wartości mediany, największe rozbieżności odpowiadały N=3 oktanty ( N=33%) i ze wzrostem zachmurzenia stopniowo malały, wyraźnie zbliżając się do N=% dla N=7 oktantów. Taki obraz oznacza, iż obserwatorzy naziemni wykazywali tendencję do notowania wyższego zachmurzenia chmurami Cirrus, Cirrostratus icumulus,niżmodis,gdyniebobyłowięcejniżw3%pokrytechmurami. Tendencja do wykazywania przez MODIS wyższego zachmurzenia nocą, gdy N<4 oktanty, oraz niższego zachmurzenia w czasie dnia, gdy N>4 oktanty, spowodowała, iż te dwie cechy zdominowały obraz dla dziennych i nocnych obserwacji chmurami piętra wysokiego interpretowanych wspólnie. Co ciekawe, dokładnie na odwrotną tendencję wskazują wartości mediany. W obydwu przypadkach, sumaryczny efekt 69

70 +1 Dzieñ + noc Dzieñ Noc C L N (%) y = x3.93x +.36x 2 R = y = x+.41x +.3x 2 R = y = x4.26x +.31x 2 R = N (oktanty) N (oktanty) N (oktanty) +1 Dzieñ + noc Dzieñ Noc C M N (%) y = x5.28x +.39x 2 R = y = x2.8x +.22x 2 R = y = x2.74x +.14x 2 R = N (oktanty) N (oktanty) N (oktanty) +1 Dzieñ + noc Dzieñ Noc C H N (%) y = x2.4x +.15x 2 R = y = x+1.21x.5x 2 R = y = x2.86x +.15x 2 R = N (oktanty) N (oktanty) N (oktanty) Ryc Zgodność obserwacji MODIS i SYNOP w zależności od stopnia zachmurzenia w momencie dokonywania obserwacji, z rozróżnieniem na poszczególne piętra zachmurzenia:c L piętroniskie,c M piętrośrednie,c H piętrowysokie.stopieńzachmurzenia (oś pozioma) wg obserwacji SYNOP. Wyniki dla obserwacji w skali procentowej 7

71 +8 Dzieñ + noc Dzieñ Noc C L N (oktanty) y = x.19x +.2x 2 R = y =.92.71x+.17x.1x 2 R = y = x.29x +.2x 2 R = Dzieñ + noc Dzieñ Noc C M N (oktanty) y = x.34x +.2x 2 R = y = x.19x +.1x 2 R = y = x.16x +.1x 2 R = Dzieñ + noc Dzieñ Noc C H N (oktanty) y = x.17x +.1x 2 R = y =.46.48x+.1x +.3x 2 R = y = x.19x +.1x 2 R = N (okt.) N (okt.) N (okt.) 7 Ryc Zgodność obserwacji MODIS i SYNOP w zależności od stopnia zachmurzenia w momencie dokonywania obserwacji, z rozróżnieniem na poszczególne piętra zachmurzenia:c L piętroniskie,c M piętrośrednie,c H piętrowysokie.stopieńzachmurzenia (oś pozioma) wg obserwacji SYNOP. Wyniki dla obserwacji w skali oktantowej 71

72 daje średnią różnicę i medianę bliską zeru. Wartości średniej różnicy w zależności od stopnia zachmurzenia nieba, dla chmur piętra niskiego i obserwacji dziennych i nocnych razem, nie wykazują dużego zróżnicowania, znosząc wyraźną odmienność zależności NodNdlanocyidladnia.Biorącpoduwagętrendwynikającyzwartości mediany, można powiedzieć, iż podobnie jak dla chmur piętra wysokiego SYNOP rejestruje większe zachmurzenie wtedy, gdy niebo jest bardziej pogodne, a MODIS, gdy jest bardziej zachmurzone. Statystyki te dotyczą jednak tylko przedziału <N<8 oktantów. Sumaryczny(dzień+noc) obraz różnic dla chmur piętra średniego jest określony rozkładem obserwacji nocnych, które zdecydowanie dominują. Ponieważ zarówno obserwacje MODIS, jak i naziemne, mają teoretycznie najwyższą jakość w ciągu dnia(największa szansa poprawnego stwierdzenia chmury/nieba bezchmurnego), rezultaty dla warunków dziennych przedstawione na ryc i ryc powinny najlepiej odzwierciedlać faktycznie istniejące związki między wielkością różnic w ocenie zachmurzenia a stopniem zachmurzenia w czasie dokonywania obserwacji, dla chmur różnych pięter. Prawidłowości te są dostrzegalne również w rezultatach dla danych wyrażonych w skali oktantowej(ryc. 3.14), przy czym charakter skali utrudnia interpretację tendencji wynikających z wartości mediany, nie mając większego wpływu na charakter tendencji wyrażonych średnią arytmetyczną Rodzaj chmur Ze względu na liczebność przypadków samodzielnie występujących chmur danego rodzaju, w piętrze niskim zależność N od N możliwa była do określenia jedynie dlachmurcumulushumilislubfractus(c L =1),Cumulusmediocrislubcongestus (C L =2)orazStratocumulus(nienebulosus,C L =5).Obserwacjewtychtrzechgrupach stanowiły łącznie 85% wszystkich obserwacji. Zarówno dla Cumulus o małej, jak i dużej rozciągłości pionowej można zauważyć ujemne N przy zachmurzeniu mniejszym niż 45 oktantów, na co wskazuje wartość mediany(ryc. 3.15). Obserwatorzy naziemni szacowali wtedy zachmurzenie większe średnio o 1,5%(Me=9,1%) niż MODIS. Rozbieżność była większa, gdy występowały Cumulus humilis i/lub Cumulus fractus( N=4,2%, Me=11,5%), niż w czasie obecności Cumulus mediocris i/lub Cumulus congestus( N=+,5%, Me=5,4%). W obydwu przypadkach największa N, wyrażona medianą, wystąpiła przy N=2 oktanty. W przypadku chmur Stratocumulus MODIS zawsze wskazywał na wyższe zachmurzenie, niż SYNOP 72

73 Ryc Zgodność obserwacji MODIS i SYNOP w zależności od stopnia zachmurzenia w momencie dokonywania obserwacji, dla wybranych rodzajów chmur piętra niskiego, średniego i wysokiego. Stopień zachmurzenia(oś pozioma) wg obserwacji SYNOP. Wyniki dla obserwacji w skali procentowej 73

74 średnio o 18,%(Me=21,4%). Skrajna rozbieżność przekroczyła 24% i odpowiadała umiarkowanemu zachmurzeniu(n=23 oktanty). W piętrze średnim zależność N od N możliwa była do określenia jedynie dla Altocumulusjednowarstwowego,wwiększościprzeświecającego(C M =3)orazAltocumulus wpasmachlubwarstwach(c M =5)(ryc.3.15).TedwiepostacieAc obejmowały 92% wszystkich obserwacji, przy czym najliczniejsze były odpowiadającec M =3(78%obserwacji),determinującstatystykędlacałegopiętraśredniego. W obydwu przypadkach MODIS wskazywał na większe zachmurzenie, niż obserwatorzy naziemni, bez względu na ogólny stopień zachmurzenia. Rozbieżność wynosiłaśrednio N=17,3%(Me=14,8%)dlaC M =3oraz N=13,4%(Me=14,1%)dla C M =5. W piętrze wysokim zależności N od N możliwa była do określenia jedynie dla Cirrusfibratus(C H =1)iCirrusspissatus,aleniecumulogenitus(C H =2),orazCirrostratusnieprzykrywającegocałegonieba(C H =8)(ryc.3.15).Obserwacjeodpowiadające tym trzem sytuacjom obejmowały 85% wszystkich. Określenie charakteru średnich różnic ocen zachmurzenia przez SYNOP i MODIS w czasie samodzielnego występowania chmur Cirrus fibratus zależy od wyboru statystyki opisu. Jeśli wziąć pod uwagę średnią arytmetyczną N, przeciętna rozbieżność wyniosła N=2,1%, wskazując na ogólną wyższą ocenę zachmurzenia przez MODIS. Mediana różnic równa9,1% wskazuje na tendencję przeciwną wyższe szacunki SYNOP. O wartości w obydwu przypadkach decydują głównie obserwacje wykonane przy N=1 oktant i N=2 oktanty, stanowiące 8% wszystkich obserwacji Cirrus fibratus. Rozbieżności przy większym N wskazują jednoznacznie na wyższą ocenę stopnia zachmurzenia przez obserwatorów naziemnych. Skrajnie rozbieżność sięga 75%, lecz dotyczy obserwacji w czasie N=7 oktantów, stanowiących mniej niż,1% przypadków(za względnie wiarygodną można uznać informację dla obserwacji odpowiadających N<4 oktantów). Wartość średniej arytmetycznej( N=4,7%) wskazuje na wyższe oceny MODIS niż SYNOP dla samodzielnie występujących chmur Cirrus spissatus, bez względu na ogólny stopień zachmurzenia. Jednocześnie wartość mediany(2,6%) sugeruje sytuacje przeciwną, wskazując na średnią wyższą ocenę zachmurzenia przez SYNOP. Obserwatorzy naziemni wykazywali w tym przypadku wyższe zachmurzenie jedynie dla N<4 oktanty(maksymalnie o 1 punktów procentowych przy N=1 oktant). Najmniejszą regularnością zależności N od N charakteryzowały się chmury Cirrostratus nieprzykrywające całego nieba. Ogólna tendencja znów zależała od wyboru 74

75 15 Czêstoœæ (%) K¹t widzenia MODIS ( ) Ryc Częstość kątów widzenia MODIS, pod jakimi obserwowane było zachmurzenie statystyki: średnia arytmetyczna wskazuje na wyższe szacunki SYNOP( N=4,1%), podczas gdy mediana(2,6%) na wyższe oceny MODIS. Generalnie można zauważyć przejście od ujemnych do dodatnich N ze wzrostem zachmurzenia, na co wskazują przede wszystkim wartości mediany. Ze względu na liczbę obserwacji, najbardziej wiarygodnesąinformacjedla3 N 7oktantów(łącznie9%obserwacjiCirrostratus) Kąt obrazowania MODIS Odmienność geometrii obserwacji satelitarnych i naziemnych znajduje wyraz w wartości kąta, pod jakim chmury są obserwowane. O ile dla obserwacji naziemnychgeometriajeststała(kątobserwacjizawszeod wliniihoryzontu,do9 w zenicie), o tyle w przypadku danych satelitarnych może być różny, zależnie od położenia terenu badań w obrębie pasa obrazowania. Możliwe wartości kąta obrazowania (sensorviewingangle,sva)dlamodiswynosząod (nadir)do55 (skrajpasa obrazowania). Przyjmując, iż geometria obserwacji dla SYNOP jest stała, tzn. nie zmienia się między stacjami, możliwe jest sprawdzenie, czy istnieje związek między SVA a wielkością różnic. Ponieważ SVA zwiększa się ze wzrostem kątowej odległości od nadiru o jedno chwilowe pole widzenia dla każdego piksela, SVA zmieniał się również wewnątrz strefy o promieniu 3 km wokół stacji, wykorzystanej do wyliczania satelitarnych statystykzachmurzenia.zmianatakabyłajednakniewielka(różnicesvaod1 wnadirzedo3 naskrajupasaobrazowania),dlategoteżprzyjętodlakażdejobserwacji wartość średnią ze wszystkich pikseli w otoczeniu stacji(ryc. 3.16). Najbardziej 75

76 niekorzystna geometria była realizowana stosunkowo rzadko tylko 2% wszystkich obserwacjimodiszostałouzyskaneprzysva>5.dla9%obserwacjisvabył mniejszyniż45,asytuacjanajbardziejkorzystna(sva<15 )objęła22%obserwacji. Kąt obrazowania MODIS miał wpływ na wielkość różnic, a stwierdzona tendencja jestzgodnazoczekiwaną różnicesątymwiększe,imwiększyjestsva(ryc.3.17). Zależność N i SVA najlepiej widać dla obserwacji wykonanych w ciągu dnia początkowoujemneróżnicestopniowozbliżająsiędozeraidlasva>4 stająsię dodatnie, szybko osiągając N=1% dla przypadków znajdujących się na skraju pasa obrazowania. Trend ten przejawiają również wartości mediany, która wskazuje,iżsvaznaczącowpływanawartość NdopierodlaobserwacjizSVA>4. Do podobnych wniosków można dojść obserwując związek N i SVA dla obserwacjinocnych,gdynajsilniejszywzrostróżnicnastępujedlasva>4 :dlaobserwacji znajdujących się na skraju pasa obrazowania średnia różnica przekracza N=2%, przy czym zakres wahań( 1 punktów procentowych) jest zbliżony do dziennego. W przypadku obserwacji nocnych uwagę zwraca nieliniowa tendencja wzrostu różnic: NdlaSVA<2 jestwiększa,niżdla2 <SVA<4,choćnależałobyoczekiwać sytuacji odwrotnej. Ponieważ analogicznej cechy nie wykazują obserwacje dzienne, należy przypuszczać, że wynika ona nie z kąta obrazowania MODIS, ale raczej specyfiki naziemnych obserwacji nocą. Na niejednorodność danych SYNOP ze względu na porę doby wskazywały dotychczas przedstawione wyniki. Ogólnie, dla wszystkich obserwacji(dzień+noc) dostrzegalna jest tendencja widoczna dla obserwacji dziennych, czyli wzrost N w ślad za wzrostem SVA, szczególniewyraźnydlasva>4 ( N>6%),przyjednoczesnych N 4%dlakątaobrazowaniamniejszegoniż4,mającychźródłowobserwacjachnocnych.Największe różnicewystępujądlasva>5,przekraczając N=13%,jednakdotyczązaledwie 2% wszystkich obserwacji i przez to mają niewielki wpływ na sumaryczną wielkość N dla wszystkich obserwacji. Wzrost N ze wzrostem SVA jest widoczny również dla poszczególnych stopni zachmurzenia, określonych przez obserwatorów naziemnych(ryc. 3.18). W ciągu dnia dostrzegalne tendencje są analogiczne do stwierdzonych dla zachmurzenia wszystkich stopni łącznie, podczas gdy obserwacje nocne przy małym i umiarkowanym zachmurzeniu(n<6) wykazują wyraźnie wyższe rozbieżności. Gdy zachmurzenie wynosi N=7 lub N=8 oktantów, rozbieżności w ocenie zachmurzenia stają się praktycznie zaniedbywane, co jest warte podkreślenia, ze względu na fakt, iż obserwacje z N=7 i N=8 oktantów dominowały empiryczny rozkład częstości zachmurzenia. 76

77 Dzieñ + noc Suma obserwacji: Dzieñ Suma obserwacji: 1 33 Noc Suma obserwacji: Œrednia: Mediana: 2 3 y = x.18x +.3x 2 3 y = x.3x +.5x 2 R = R =.8986 Œrednia: Mediana: 2 3 y = x.7x +.2x 2 3 y = x.29x +.5x 2 R = R =.954 Œrednia: Mediana: 2 3 y = x.4x +.6x 2 3 y = x.3x +.5x 2 R = R =.865 %n 7, 7, 7,9 9, 1,3 1,9 11,8 12,2 12,5 8,3 2,1 %n 7,5 6,7 8,1 9,2 9,9 1,8 11,6 12,8 11,9 8,9 2,7 %n 6,5 7,2 7,7 8,8 1,9 11, 12,1 13,6 13,2 7,7 1,2 œrednia N 4,4 5,5 4,3 4,1 4,3 3,6 3,8 4,4 6,5 8,3 13,6 œrednia N 1,6,9 1,2 1,2 1,2 1,1,6 1,4 4,3 6,8 1,7 œrednia N 12,5 12,7 11,1 1,6 1,1 9,1 7,6 7,7 8,8 1,4 2,1 œrednia N 14,4 14,3 14, 14, 14,2 14, 13,9 13,5 14,7 14,6 19,3 œrednia N 11,7 11, 11,6 11,7 11,7 12,5 12,1 12,1 13,5 13,6 17, œrednia N 18, 17,8 17, 17, 17, 15,7 15, 15,1 16, 15,9 24,4 N 23,2 22,8 22,4 22,4 22,3 22, 21,1 21,3 22,2 21,9 26,9 N 18, 16,6 17,5 17,7 17,2 18,6 18,2 18,4 19,7 19,4 22,2 N 26,7 26,3 25,8 25,6 25,5 24,2 23,3 23,7 24,3 24,8 3,8 Me N,1,9 2,4 11,4 Me N,2 4,7 11,1 Me N 5,4 4,2 3, 2,8 2,2 1,,7,2 1,5 1,1 12, N (%) N (%) N (%) K¹t widzenia MODIS ( ) K¹t widzenia MODIS ( ) K¹t widzenia MODIS ( ) Ryc Wpływ kąta widzenia MODIS na wielkość rozbieżności w ocenie zachmurzenia. Kolor czerwony dopasowanie krzywą trzeciego stopnia do wartości średniej arytmetycznej N, niebieski analogiczne dopasowanie do wartości mediany N

78 4 4 4 N (%) N= N=1 N= N (%) N=3 N=4 N= N (%) N=6 N=7 N= K¹t widzenia MODIS ( ) K¹t widzenia MODIS ( ) K¹t widzenia MODIS ( ) Ryc Wpływ kąta widzenia MODIS na wielkość rozbieżności w ocenie zachmurzenia, z uwzględnieniem zachmurzenia ogólnego(wg SYNOP) w czasie dokonywania obserwacji. Linie przedstawiają trend wartości średnich N, dopasowany krzywą trzeciego stopnia do N zgeneralizowanych dla pięciostopniowych przedziałów kata widzenia MODIS. Kolor czerwony obserwacje dzienne, kolor niebieski obserwacje nocne, kolor szary obserwacje dzienne i nocne łącznie Podłoże przy braku pokrywy śnieżnej Wyniki przedstawione w rozdziale 3.2. pokazały, iż spośród wszystkich analizowanych stacji wyróżnia się grupa o większych N, której wspólną cechą jest sąsiedztwo obszarów morskich. Aby zweryfikować wpływ otoczenia stacji, rozumiany jako typ podłoża uwzględniony w algorytmie detekcji chmur MODIS, N dla każdej pary obserwacji terminowych zostały zestawione w funkcji jednej z czterech klas typu tła obserwacji satelitarnej(ląd, woda, wybrzeże, pustynia). Udział poszczególnych klas typu podłoża w otoczeniu był określany indywidualnie dla każdej obserwacji, na podstawie informacji z maski chmur MODIS. Teoretycznie otoczenie każdej stacji w analizowanym okresie można uznać za niezmienne. W rzeczywistości ilości pikseli maski chmur odpowiadających danemu typowi podłoża nie 78

79 znacznie zmieniała się między kolejnymi obserwacjami. Wynikało to ze zmiany geometrii obserwacji satelitarnej. W rezultacie, poszczególne typy tła obserwacji dla danej stacji nie stanowią jednej wartości, ale zawierają się w pewnym przedziale (ryc. 3.19). Dominującymi wartościami w przedziale były wartości dla typowego kąta obserwacji. Ze względu na charakter obszaru badań, dla większości stacji dominującym typem tłabyłląd na37stacjachstanowiłponad8%otoczeniapunktuobserwacji.wotoczeniu pozostałych pięciu stacji znaczny udział stanowiły inne typy podłoża, stąd na wykresie można zaobserwować wyraźne zgrupowania wartości, odpowiadające właśnie tym stacjom. Są to kolejno(od lewej): Hel(średnio 13% lądu w otoczeniu), Świnoujście(24%), Ustka(5%) oraz łącznie Elbląg i Mikołajki(po 82%). Ponieważ średnia różnica w ocenie stopnia zachmurzenia, wyznaczona indywidualnie dla każdej z czterech wyróżniających się grup, jest de facto różnicą dla wymienionych stacji, statystyki N częściowo pokrywają się z przedstawionymi na ryc Istnieje tendencja do występowania większych wartości N dla stacji, w których otoczeniu ląd stanowi mniejszość(ryc. 3.19). W ciągu dnia rozpiętość średnich różnic sięga 8,5 punktów procentowych, wahając się między,9 a 7,6 punktu procentowego. Nocą zakres wahań N wzrasta do 17,7 punktu procentowego, głównie za sprawą Świnoujścia, gdzie N wynosi aż 27 punktów procentowych. Gdyby wyłączyć Świnoujście z obliczeń, zakres zmienności N nocą(8,3 punktu procentowego) byłby praktycznie taki sam, jak w ciągu dnia(8, punktów procentowych). Możliwe jest zatem, iż tendencję wyznaczają Hel, Ustka i stacje z większym niż 8% udziałem lądu w swym otoczeniu, a Świnoujście od tej tendencji odstaje. Równocześnie nie można wykluczyć, że tendencję wyznacza Świnoujście, a odstaje od niej Hel. Na tą samą tendencję i ten sam problem wskazuje interpretacja N w kontekście stosunku powierzchni wodnych do całego otoczenia stacji, przy czym jak zostało już powiedziane woda oznacza wyłącznie Bałtyk. Jak widać na ryc. 3.2, im więcej obszarów morskich wokół stacji, tym na ogół większa N. Widoczne na wykresie zgrupowania obserwacji odpowiadają(idąc od prawej): Helowi, razem Ustce i Świnoujściu, Elblągowi oraz wspólnie wszystkim pozostałym stacjom. Pomimo iż Ustka ze Świnoujściem tworzą wspólne zgrupowanie, średnia różnica dla tych stacji jest wyższa niż dla pozostałych, zarówno w czasie dnia i nocy. Ustka i Świnoujście nie odstają teraz już tak wyraźnie, jak samo Świnoujście w przypadku tła lądowego, ale jest to wyłącznie zasługa wspólnego potraktowania obydwu stacji(niższe wartości N dla Ustki obniżają wartość średnią). Co więcej, Elbląg, który ma swoim 79

80 Dzieñ Dzieñ + noc œrednia DN œrednia DN DN Me DN 1,1 16,9 21,5 11, ,6 22,8 23,6 12, ,2 15,4 2,1 3, ,9 14,7 22,2,7 79 3,7 13,9 21,8,2 8 œrednia DN œrednia DN DN Me DN 4,4 13,3 16,7 3,9 848 Noc 7,6 16,9 19,2 11,9 85 1,7 12,8 16, 892 3,6 12,2 18,2 857,9 12,2 18,5 847 œrednia DN œrednia DN DN Me DN DN (%) 1 DN (%) 1 DN (%) L¹d (% otoczenia stacji) L¹d (% otoczenia stacji) , 29,5 24, 24, ,6 18,5 22,5 8, ,1 17,7 23,1 1, ,3 15,8 24,, ,5 21,2 24,5 12, L¹d (% otoczenia stacji) Ryc Wielkość rozbieżności w ocenie zachmurzenia, w zależności od procentowego udziału terenów oznaczonych w masce chmur MODIS jako ląd, w 3 km otoczeniu stacji. Linia przerywana odpowiada wartości średniej dla wszystkich obserwacji. Linią czarną oznaczono średnią wartość N dla zakresów powierzchni lądowej w otoczeniu stacji, odpowiadających długości linii

81 Dzieñ Dzieñ + noc œrednia DN œrednia DN DN Me DN 3,7 13,9 21,7,1 81 2,3 15,7 22,2 5, ,3 19,3 22,7 12,2 784 œrednia DN œrednia DN DN Me DN 9,3 16,1 2,9 1,5 88,9 12,2 18,4 848 Noc 6,2 14,2 2, , 15,1 18,1 4,8 861 œrednia DN œrednia DN DN Me DN 3,6 12,6 16,1 2, DN (%) 1 DN (%) 1 DN (%) Woda (% otoczenia stacji) Woda (% otoczenia stacji) ,3 17,4 2,2 11, , 24,3 24,6 13, ,3 2,2 23,7 12, ,1 15,8 23,9 1, Woda (% otoczenia stacji) Ryc Wielkość rozbieżności w ocenie zachmurzenia, w zależności od procentowego udziału terenów oznaczonych w masce chmur MODIS jako woda, w 3 km otoczeniu stacji. Linia przerywana odpowiada wartości średniej dla wszystkich obserwacji. Linią czarną oznaczono średnią wartość N dla zakresów powierzchni wodnej w otoczeniu stacji, odpowiadających długości linii

82 otoczeniu 8% obszarów morskich, wykazał w ciągu dnia mniejsze N niż stacje bez morza w swym otoczeniu. Ze wszystkich stacji Świnoujście wyróżnia się największą ilością obszarów, które algorytm detekcji chmur MODIS określa jako wybrzeże, a więc zarówno faktyczne wybrzeże(morskie, jeziorne) jak i wnętrza jezior i powierzchnie większych rzek. Na stacji tej typ tła wybrzeże stanowił jedną trzecią całego otoczenia stacji, co wynika z silnie rozwiniętej linii brzegowej Bałtyku. Gdy N przeciwstawione zostaną udziałowi wybrzeża w otoczeniu stacji(ryc. 3.21), widać wyraźnie, iż skupienie obserwacji odpowiadających Świnoujściu(przypadki z ponad 3% udziałem wybrzeża) cechuje wyższa średnia N, niż dla innych stacji. Widać jednocześnie tendencję do stopniowego wzrostu N, ze zwiększaniem się udziału wybrzeża. Trudno natomiast wskazać stację(grupę stacji) odstające od ogólnego trendu, dostrzegalnego równie wyraźniewnocy,jakipodczasdnia. Ostatni typ bezśnieżnego podłoża, który mógł mieć związek z N to obszary pustynne. Za takie uznawane są w warunkach Polski wnętrza miast, duże obszary zindustrializowane, obszary górnictwa odkrywkowego, niepokryte roślinnością skały, co wynika z odmiennych właściwości radiacyjnych tego rodzaju powierzchni, w porównaniu z obszarem pokrytym wegetacją. W przypadku wpływu pustynnego typu podłoża na wielkość N trudno o wiarygodną informację, gdyż spośród uwzględnionych stacji jedynie Warszawa wykazała nieznaczny udział tła pustynnego w swym otoczeniu wyniósł on zaledwie 1%. Powyższe wyniki wskazują, iż tło nad jakim obserwowane są chmury(w rozumieniu modelowego tła algorytmu detekcji chmur) wpływa na N. Można ogólnie przyjąć, że najbardziej zgodne, zarówno w ujęciu średniej N, jak i średniej wartości bezwzględnych N, są szacunki zachmurzenia na stacjach, których otoczenie jest w mniej niż 1% inne niż niepokryty śniegiem ląd. Gdyby spośród wszystkich par obserwacji wybrać jedynie te, które charakteryzują się co najmniej 99% udziałem lądu w otoczeniu stacji, średnia N wyniosłaby 3,%(,2 oktanta) w skali doby,1,3%(,2oktanta)wciągudniai(,6oktanta)8,1%nocą.obserwacjewtakich warunkach można uznać za w najmniejszym stopniu obarczone ewentualnymi błędami detekcji chmur ze względu na typ podłoża, przyjmując założenie, że błędy takie są minimalne dla dominującego typu tła(lądu) Pokrywa śnieżna Zależność N od pory roku może mieć związek z ilościowymi i jakościowymi zmianami zachmurzenia. Może wynikać również z sezonowych zmian typu podłoża. 82

83 Dzieñ Dzieñ + noc œrednia DN œrednia DN DN Me DN 3,7 6,4 13,1 17,7 13,9 15, 22,8 22,3 21,7 21,7 23,1 24,5,1 3,6 11,9 14, Noc œrednia DN,9,1 4, 8, 9,7 œrednia DN 12,3 12, 13,8 16,5 19,5 D N 18,4 17,3 14,5 2 19,2 Me DN,1 11,1 12, ,8 24,3 21,9 16,8 778 œrednia DN œrednia DN DN Me DN DN (%) 1 DN (%) 1 DN (%) Wybrze e (% otoczenia stacji) Wybrze e (% otoczenia stacji) 1 14,2 18,5 23,9 11, ,3 31,2 26,7 13, ,2 28,6 24,6 24, ,6 33,5 21,1 27, ,2 15,9 23,8 2, Wybrze e (% otoczenia stacji) Ryc Wielkość rozbieżności w ocenie zachmurzenia, w zależności od procentowego udziału terenów oznaczonych w masce chmur MODIS jako wybrzeże, w 3 km otoczeniu stacji. Linia przerywana odpowiada wartości średniej dla wszystkich obserwacji. Linią czarną oznaczono średnią wartość N dla zakresów powierzchni tła wybrzeże w otoczeniu stacji, odpowiadających długości linii

84 Spośród wszystkich typów podłoża uwzględnianych przez algorytm MODIS, zależność od pory roku wykazuje wyłącznie pokrywa śnieżna. Ocenę wpływu pokrywy śnieżnej/lodowej na N utrudniał fakt braku informacji o występowaniu śniegu dla 31% obserwacji. Dane IMS, wykorzystane jako referencyjne, pozwoliły poddać analizie32952z56222obserwacji,zczegoaż77%byławgimspozbawionapokrywy śnieżnej. Na obecność śniegu w 3 km otoczeniu stacji wskazywało 23% obserwacji 11% z całkowitym pokryciem terenu śniegiem, 12% z pokrywą śnieżną obejmującą od 1% do 99% otoczenia stacji. Taki materiał obserwacyjny uzasadnia wyznaczanie statystyk ocen zachmurzenia i różnic w tych ocenach dla trzech grup: obserwacje bez śniegu w tle, obserwacje z całkowitym pokryciem otoczenia stacji śniegiem oraz pozostałe obserwacje. Średnia różnica w ocenie stopnia zachmurzenia między MODIS i SYNOP dla obserwacji posiadających informację IMS o pokrywie śnieżnej wyniosła 4,6%(,3 oktanta), przy czym w czasie dnia spadała do,8%(4 oktanta), nocą wzrastając do 9,2%(,7 oktanta). Obserwacje bezśnieżne cechowała na ogół mniejsza rozbieżność niż pozostałe. W ciągu dnia(ryc. 3.22), rozbieżność dla obserwacji bez śniegu w otoczeniu stacji była niewielka i wyniosła N=,6%. W tym samym czasie obserwacje MODIS i SYNOP przy całkowitym pokryciu otoczenia stacji śniegiem różniły się o N=4,9%. O jeden punkt procentowy większa była N dla obserwacji zpokrywąśnieżnąod1%do99%.sugerujeto,iżwczasiedniaobecnośćśniegu powoduje zawyżanie przez MODIS wielkości zachmurzenia względem obserwacji naziemnych,zakładając,żeśniegniemawpływunaocenęsynop,cowydajesiębyć założeniem słusznym. Nocą wystąpiła zależność odwrotna do dziennej: ze wzrostem udziału pokrywy śnieżnej w otoczeniu stacji wartość N malała od 1% dla obserwacji bezśnieżnych do 5,1% w przypadku obserwacji w warunkach całkowitego pokrycia otoczenia stacji śniegiem. Na inną tendencję niż N wskazują średnie wartości bezwzględnych N: w takim ujęciu następuje wzrost zgodności obserwacji, ze wzrostem powierzchni pokrytej śniegiem, i to zarówno w ciągu dnia, jak i nocy. Dane w skali oktantowej wskazują na identyczne prawidłowości N i N. Obecność śniegu w podłożu miała największy wpływ na N dla obserwacji, w czasie których obserwatorzy naziemni odnotowywali <N<5 oktantów(tab. 3.5). W takich przypadkach, N przy całkowitym pokryciu otoczenia stacji śniegiem była nawet2razywiększa,niżdlasytuacjibezśniegu rozpiętość Nsięgała2punktów procentowych przy jednoczesnej N<4% dla warunków bezśnieżnych. Gdy N>5 oktantów wartości N dla sytuacji bezśnieżnej i ze 1% pokryciem śniegiem zaczęły 84

85 Dzieñ Dzieñ + noc œrednia DN œrednia DN DN Me DN 4,2 14,4 21,8, , 12,3 19, , 11,1 19,5 62 Noc œrednia DN,6 œrednia DN 12,8 D N 18,5 Me DN 865 5,9 1,5 15,6 <, ,9 8,9 13,3 645 œrednia DN œrednia DN DN Me DN DN (%) 1 DN (%) 1 DN (%) Œnieg (% otoczenia stacji) Œnieg (% otoczenia stacji) 1 8,4 14,3 23, 589 5,1 13,8 24, ,3 24,1 3, Œnieg (% otoczenia stacji) Ryc Wielkość rozbieżności w ocenie zachmurzenia, w zależności od procentowego udziału terenów pokrytych śniegiem w 3 km otoczeniu stacji. Linią czarną oznaczono średnią wartość N dla zakresów powierzchni pokrytej śniegiem w otoczeniu stacji, odpowiadających długości linii

86 Tab Rozbieżności w ocenie zachmurzenia ogólnego przez MODIS i SYNOP, przy braku pokrywy śnieżnej, częściowej i ciągłej pokrywie śnieżnej w 3 km otoczeniu stacji meteorologicznej, z uwzględnieniem różnego stopnia pokrycia nieba chmurami(wg obserwacji SYNOP) oraz pory doby N PS 1 (%) Obserwacje 2 śr. N(%) śr. N(oktanty) D.+N. Dzień Noc D.+N. Dzień Noc D.+N. Dzień Noc 85,5 88,5 84,7 15,3 4,2 18,6 1,6,8 1, , 8,2 8, 26,7 15,9 29,9 2,4 1,6 2,7 1 6,5 3,3 7,3 29, 18,1 3,3 2,6 1,8 2,7 1 91,3 88,9 94, 3,1 7,9 14,9,6,1 1, , 6,2 3,6 28,2 17,9 48,3 2,2 1,5 3,8 1 3,7 4,9 2,4 17,9 17,7 18,3 1,6 1,6 1,6 2 86,8 84,3 89,3 4,5 1,3 19,6,6,5 1, ,1 8,2 6, 2,1 11,3 32,9 1,6,9 2,5 1 6,1 7,5 4,7 17,3 7,5 34, 1,4,6 2,7 3 86,9 87,7 85,9 1,1 1,5 16,8,2,6 1, ,2 7,4 6,9 2 12,1 31,2 1,5,9 2,4 1 5,9 4,9 7,2 24,9 23,5 26,1 1,9 1,8 2, 4 87,7 88, 87,2,5 6,4 14,,1,5 1, 199 7,3 7,6 6,6 14,9 9,9 26,1 1,1,7 1,9 1 5, 4,4 6,2 13,9 14,5 12,9 1,1 1,2 1, 5 86,4 86,8 85,5 3,2 1,8 14,1,2,2, ,3 8,2 8,6 14,3 1,5 22,2 1,,8 1,6 1 5,3 5, 5,9 13,7 9,5 21,2,9,5 1,5 6 82,9 83,9 8,5 4,1 2,1 9,3,1 <,1, ,1 9,3 11,9 11,8 1,8 13,9,6,6,7 1 7, 6,8 7,6 9,5 11,3 5,7,5,6,3 7 75,7 76, 75,1 4,9 4,6 5,5,1 <,1, , 12,4 14,3 7, 7,7 6,,2,3,1 1 11,3 11,6 1,6 6,5 8,4 2,8,2,3,1 8 59,9 59,2 6,6 2,1 1,2 2,9,4,3, ,7 18,5 18,9 2,6,8 4,4,5,3,7 1 21,4 22,3 2,5 3,1 1,2 5,3,5,3,8 1 Pokrywaśnieżna(procentotoczeniastacjiwpromieniu3kmpokrytyśniegiem) 2 Procentwszystkichobserwacjiprzydanymstopniuzachmurzenia 86

87 Tab Średnia rozbieżność w ocenie zachmurzenia przez MODIS i SYNOP dla wszystkich stacji oraz stacji, których otoczenie w co najmniej 99% stanowiło tło typu ląd. PS pokrywa śnieżna N skala procentowa N skala oktantowa PS 1 PS=1 PS= PS 1 PS=1 PS= Wszystkie stacje Dzień i noc 4,6 5, 4,2,3,2,3 Dzień,8 4,9,6 4,2,1 Noc 9,2 5,1 1,7,2,8 Stacje, gdy ląd >99% Dzień i noc 3,6 4,5 3,,2,1,2 Dzień,2 4,4 1,3,1,1,2 Noc 7,5 4,7 8,1,5,1,6 się do siebie zbliżać, osiągając największą zgodność( N=1,%) dla N=8 oktantów. Zawarte w tabeli 3.5 wartości N dla przypadków z pokrywą śnieżną stanowiącą od 1% do 99% otoczenia stacji należy uznać za stosunkowo mało wiarygodne, gdyż zostały wyznaczone w oparciu o jedynie kilkanaściekilkadziesiąt obserwacji. Nie dotyczy to statystyk dla N=7 i N=8 oktantów, klas zachmurzenia najczęściej odnotowywanych przez obserwatorów naziemnych w obydwu przypadkach liczba obserwacji wykonanych w warunkach częściowego pokrycia otoczenia stacji śniegiem przekraczała 1. Pełniejszy obraz wpływu śniegu na wielkość różnic można otrzymać uwzględniając jedynie stacje, których otoczenie to niemal wyłącznie ląd(>99%). Pochodzące z nich obserwacje stanowiły 5% wszystkich obserwacji, dla których dostępne były dane IMS. Jak widać w tabeli 3.6, eliminacja stacji wykazujących wpływ typu tła obserwacji satelitarnej na N, prowadzi do zmniejszenia średniej różnicy w ocenie stopnia zachmurzenia w stosunku do wszystkich stacji, zarówno dla obserwacji dziennych i nocnych łącznie(o 1, punkt procentowy), jak i jedynie dziennych (o,6 punktu procentowego), i jedynie nocnych(o 1,7 punktu procentowego). 87

88 4. Zgodność MODIS i SYNOP na poziomie średnich klimatologicznych Celem porównania indywidualnych obserwacji MODIS i SYNOP było wykazanie, jakie czynniki i w jakim stopniu wpływają na różnice w ocenie zachmurzenia ogólnego. Analiza ta wymagała danych zgodnych w czasie. Wyznaczanie statystyk klimatologicznych(średnich dobowych, miesięcznych, rocznych), angażuje inny zestaw danych wyjściowych, w przypadku których pojawia się czynnik częstości pozyskiwania informacji(częstość próbkowania). Analiza różnic między średnimi dobowymi, miesięcznymi i rocznymi ocenami zachmurzenia ogólnego pozwoli wskazać, jaki wpływ na zgodność szacunków ma różna częstość próbkowania dla MODIS i SYNOP, oraz fakt dokonywania przez MODIS obserwacji w oknach czasowych, a nie stałych terminach Różnice między średnimi dobowymi Średnie dobowe zachmurzenie na podstawie danych SYNOP dla danego dnia zostało wyliczone z co najmniej 23 obserwacji na dobę. Przyjęto, iż średnia wyliczona na podstawie takich danych wierniej odda rzeczywistą średnią dobową wielkość zachmurzenia, niż statystyka bazująca na obserwacjach wykonanych z trzy lub sześciogodzinną rozdzielczością czasową. Dla MODIS średnia dobowa wielkość zachmurzenia była wyliczana zawsze z 4 obserwacji, tj. wszystkich dostępnych w ciągu 88

89 5 Skala procentowa Skala oktantowa Czêstoœæ (%) Czêstoœæ (%) DN (%) DN (oktanty) Ryc Rozkład częstości różnic w ocenie średniego dobowego zachmurzenia ogólnego przez MODIS i SYNOP doby. Biorąc pod uwagę zachmurzenie oceniane w skali procentowej, przeciętna różnica między średnim dobowym zachmurzeniem ogólnym wg danych MODIS i SYNOP wyniosła N=5,2%(Me=4,6%), przy σ=12,9%, podczas gdy średnia wartości bezwzględnych N =1,4%. Analogiczne statystyki odnoszące się do danych w skali oktantowej wynosiły odpowiednio: N=,8 oktanta, Me=,3 oktanta, σ=1, oktant, N =,8 oktanta. W poszczególnych dniach i na poszczególnych stacjach rozbieżności wahały się od57,3%(3,9 oktanta)(1 czerwca 24, Mława) do 77,5%(6, oktanta)(7 stycznia 23, Elbląg). Połowa wszystkich różnic między średnimi dobowymizawarłasięwprzedzialeod1,4%do12,7%(od,2do,9oktanta). Oceny średniego dobowego zachmurzenia, zgodne co do setnej części procenta (tj. precyzji przyjętej w pracy), stanowiły 4,3% wszystkich wartości. Gdy dopuścić ±1% różnicę N, liczebność przypadków, które można uznać za w pełni zgodne, wzrasta do 1,4% i to właśnie one dominują rozkład różnic(ryc. 4.1). W porównaniu z obrazem dla obserwacji w skali obserwacji terminowych(meteorologicznej) rozkład N jest bardziej zbliżony do normalnego, jednak na podstawie wyników testu Lillieforsa nie można przyjąć hipotezy o zgodności rozkładu z rozkładem normalnym (p ). Poza N=% w rozkładzie nie wyróżnia się żadna inna charakterystyczna wartość, w tym szczególnie N z zakresu 1213%, drugich co do częstości dla obserwacjach terminowych. Tendencja zmian częstości różnic w zakresie %13% odbiega jednak od tendencji obserwowanej dla N<% i N>13%(niemal symetrycznych względem siebie). Bardziej zbliżony do normalnego jest rozkład różnic średniego dobowego zachmu 89

90 N (oktanty) œrednia N 7, 8,3 5,9 3,9 3,6 3,5 6,5 4,7 2,1 4,3 6,3 6,4,4,5,4,4,2,3,4,4,3,3,4,3 œrednia N œrednia N 1,1 1,7 1,4 1,2 11, 1,5 11, 11,4 9,9 1,7 1,1 9,4,7,8,8,8,8,7,8,8,7,8,8,8 œrednia N N 12,3 12,9 12,9 12,8 13,2 12,6 12,2 13,4 12,8 13,3 12,7 12, 1, 1, 1,,9,9,9,8 1,,9 1, 1, 1, N Me N 5,1 5,3 4,8 3,5 4,9 4,5 6,8 5,7 2, 4,5 4,7 3,5,2,3,3,3,3,3,5,4,3,3,2,1 Me N (.1) (.1) 1 Skala procentowa Skala oktantowa N (%) Miesi¹c Miesi¹c Ryc Średnie miesięczne rozbieżności w ocenie średniego dobowego zachmurzenia ogólnego przez MODIS i SYNOP rzenia dla obserwacji realizowanych w skali oktantowej. Jednak także i w tym przypadku test Lillieforsa nie daje podstaw by uznać rozkład za zgodny z normalnym (p ). Podobnie, jak dla wartości w skali procentowej, przeważają różnice dodatnie, na które przypada 64% wszystkich obserwacji(67% dla skali procentowej). Wysoka zgodność średnich dobowych ocen zachmurzenia MODIS i SYNOP znalazła wyraz w sile korelacji między nimi: ρ=,891(dla danych w skali procentowej) i ρ=,888(dla danych w skali oktantowej). Średnie miesięczne różnice dobowych wartości zachmurzenia MODIS i SYNOP (ryc.4.2)wahałysięwzakresieod2,1%wewrześniudo8,3%wlutym(dlawartości wskalioktantowej:od,2oktantawmajudo,5oktantawlutym).podobnie jak w przypadków obserwacji terminowych, mniejsze różnice wystąpiły w cieplejszej połowie roku(kwiecieńwrzesień), w większości przypadków nie przekraczając 5%, większe w pozostałych miesiącach, zimą sięgając 8%. Na analogiczną prawidłowość wskazują dane w skali oktantowej. Bez względu na skalę obserwacji, roczny przebieg średnich miesięcznych N nie jest już tak regularny, jak w przypadku obserwacji terminowych(por. ryc. 3.1) zakres zmienności N w poszczególnych miesiącach się wyrównuje, co widać najlepiej po wartościach kwartyli. Charakter rozbieżności dobowych ocen zachmurzenia dla MODIS i SYNOP był 9

91 A Skala procentowa B Skala oktantowa y = x+.4x2.3x3 R2 = N MODIS (oktanty) N MODIS (%) y = x+.22x2.2x3 R2 = N SYNOP (%) N SYNOP (oktanty) Ryc Zgodność średnich dobowych ocen zachmurzenia MODIS i SYNOP. Dla większej czytelności, obok punktów reprezentujących poszczególne średnie dobowe, na wykres naniesione zostały również wartości zgeneralizowane dla 1% przedziałów zachmurzenia. Do tych punktów dopasowana został krzywa trzeciego stopnia, ilustrująca ogólny trend różny, w zależności od średniego zachmurzenia w danym dniu. MODIS wykazywał wyższe średnie dobowe zachmurzenie w sytuacji, gdy obserwatorzy naziemni oceniali je na więcej niż 4% (ryc. 4.3). Przy niższym zachmurzeniu dobowym średnia N malała, by dla zakresu 34% być bliską N=%. Dla najbardziej pogodnych dni średnia N była nieznacznie ujemna, oznaczając wyższą ocenę zachmurzenia przez obserwatorów naziemnych. Wyraźnie wyższe oceny zachmurzenia wg MODIS niż SYNOP w ciągu dni z dużym zachmurzeniem, oraz nieznacznie wyższe zachmurzenie wg SYNOP niż MODIS w ciągu dni o niewielkim zachmurzeniu, to prawidlowość widoczna jedynie dla danych ujętych skalą procentową. Porównanie danych wyrażonych w skali oktantowej wskazuje (średnio) na niemal liniowy związek danych MODIS i SYNOP, przy stałym zawyżaniu zachmurzenia przez obserwacje satelitarne, w stosunku do naziemnych. Zależność wartości N od średniego dobowego zachmurzenia zmieniała się również w poszczególnych miesiącach (ryc. 4.4). Dostrzegalny jest roczny rytm zmiany kształtu krzywej opisującej ogólną tendencję różnic: w miesiącach zimowych MODIS (średnio) wskazuje zawsze na wyższe zachmurzenie niż dane SYNOP, podczas gdy w miesiącach letnich bardzo wyraźnie rysuje się podział ze względu na zachmurzenie dobowe gdy jest ono większe niż 4%, wyższe zachmurzenie wskazuje MODIS, gdy jest niższe, wyższe wartość szacuje SYNOP. Miesiące ciepłej połowy roku cha91

92 1 Styczeñ 1 Luty 1 Marzec N MODIS (%) Kwiecieñ 1 Maj 1 Czerwiec N MODIS (%) Lipiec 1 Sierpieñ 1 Wrzesieñ N MODIS (%) PaŸdziernik 1 Listopad 1 Grudzieñ N MODIS (%) N SYNOP (%) N SYNOP (%) N SYNOP (%) Ryc Zgodność średnich dobowych ocen zachmurzenia MODIS i SYNOP w poszczególnych miesiącach. Wyniki dla obserwacji w skali procentowej rakteryzuje też silniejsza korelacja obserwacji MODIS i SYNOP, zawsze ρ>,87, maksymalnie(wrzesień) sięgająca ρ=,93. Korelacja obserwacji naziemnych i satelitarnych w miesiącach od października do lutego waha się w zakresie od ρ=,733 (grudzień) do ρ=,792(luty). Na zbliżone lub wręcz identyczne wartości wskazują także wyniki obserwacji zapisanych w skali oktantowej. Dane w skali oktantowej znacząco odróżnia jednak ogólna tendencja różnicy w ocenie zachmurzenia(ryc. 4.5). Za wyjątkiem maja i czerwca, MODIS(średnio) 92

93 8 Styczeñ Luty Marzec 8 8 N MODIS (oktanty) Kwiecieñ Maj Czerwiec 8 8 N MODIS (oktanty) Lipiec Sierpieñ Wrzesieñ 8 8 N MODIS (oktanty) PaŸdziernik Listopad Grudzieñ 8 8 N MODIS (oktanty) N SYNOP (oktanty) N SYNOP (oktanty) N SYNOP (oktanty) Ryc Zgodność średnich dobowych ocen zachmurzenia MODIS i SYNOP w poszczególnych miesiącach. Wyniki dla obserwacji w skali oktantowej wskazywał zawsze na wyższe zachmurzenie dobowe, niż dane SYNOP. W chłodnej połowie roku, rozbieżność była większa( N 2 oktanty) dla dni z małym zachmurzeniem, niż dla dni pochmurnych( N<1 oktant). Różnica w ocenie zachmurzenia dobowegodladnion<4szybkomalałaod N 2oktantywstyczniudo N,5 oktanta w kwietniu i N,5 oktanta w maju, by następnie utrzymywać się niewiele ponad N= oktantów i od listopada szybko wzrosnąć do wartości obser 93

94 Ryc Zgodność średnich dobowych ocen zachmurzenia MODIS i SYNOP na wybranych stacjach(wyniki dla obserwacji w skali procentowej) wowanej w styczniu. Z dużą ostrożnością powinny być interpretowane wyniki dla lutego, w przypadku którego możliwe było uwzględnienie stosunkowo małej liczby średnich dobowych(częściej niż w innych miesiącach brakowało 3 lub więcej obserwacji na dobę). Pomimo uboższego materiału analitycznego, można stwierdzić, iż kształt krzywej opisującej ogólną tendencję różnic w lutym wpisuje się w roczną tendencję zmiany charakteru N ze względu na dobowe zachmurzenie. Analogicznie, jak w przypadku poszczególnych miesięcy, rozkład N w zależności od średniego dobowego zachmurzenia wyraźnie różnił się na poszczególnych stacjach. Wyróżnić można grupę stacji(np. Ustka, Hel, Mikołajki, Olsztyn, Koło, Włodawa, BielskoBiała), na których MODIS bez względu na zachmurzenie dobowe wskazywał średnio większe zachmurzenie niż dane SYNOP(ryc. 4.6). Trudno jest wiązać taki obrazzpokryciemterenuwokółstacji,które jakwykazanowrozdziale3.3.6 ma wpływ na jakość informacji satelitarnej, do wymienionej grupy zaliczają się bowiem 94

95 zarówno niektóre stacje nadmorskie, jak i stacje w głębi lądu, w tym także stacje, których otoczenie to niemal w 1% ląd. Można zaobserwować również grupę stacji wykazujących wyższe oceny zachmurzenia przez MODIS dla dni pochmurnych oraz wyższe oceny SYNOP dla dni pogodnych. Na wielu spośród nich(np. Chojnice, Gorzów Wielkopolski, Mława, Wrocław, Łódź, Kielce) zgodność danych MODIS isynopjestdostrzegalnadladnizn 5%,choćsątakżestacje,wprzypadku których granica ta przesunięta jest ku większym wartościom zachmurzenia. Tak jest np. w Lesznie(zgodność dla N=7%), co ma decydujące znaczenie dla wartości średniej N dla stacji: przy dominującej liczebności dni z dużym zachmurzeniem, wyższe oceny N przez obserwatorów naziemnych dla dni o zachmurzeniu mniejszym niż 68%, równoważą nieznacznie wyższe oceny N przez MODIS dla pozostałych dni, w efekcie czego średnia różnica jest niewielka w przypadku Leszna wyniosła <,1%. Ogólnie, średnia roczna różnica między dobowymi ocenami zachmurzenia na poszczególnych stacjach zawierała się w większości przypadków między N=,1% a N=7,%(ryc. 4.7). Rozbieżnością przekraczającą 1% charakteryzowało się jedynie Świnoujście( N=19,1%), gdzie średnie dobowe wartości zachmurzenia ogólnego MODIS i SYNOP były również najsłabiej skorelowane(ρ=,884). Najbardziej zgodne były ze sobą oceny zachmurzenia w Lesznie( N=,1%) i Kaliszu ( N=,3%), jedyne stacje, gdzie rozbieżność nie przekroczyła jednego punktu procentowego. Na stacje te wskazują także wyniki otrzymane dla skali oktantowej (ryc. 4.8): odpowiednio, N=2 oktanta i N=1 oktanta. Ujemne wartości różnicy nie zostały zaobserwowane dla żadnej innej stacji. Generalnie, wyniki porównania obserwacji w skali oktantowej wykazały, iż na wszystkich stacjach za wyjątkiem Świnoujścia N nie przekraczała 1 oktanta, typowo mieszcząc się w przedziale od N= oktantów do N=,5 oktanta. Nie wystąpiły istotne zmiany w sile korelacji między danymi SYNOP i MODIS przy zmianie skali z procentowej na oktantową była ona zawsze silniejsza niż ρ=,88, a w zdecydowanej większości przypadków ρ>, Różnice między średnimi miesięcznymi Ze względu na opisane w rozdziale ograniczenia w ilości dostępnych średnich miesięcznych ocen zachmurzenia dla SYNOP, nie było możliwe wiarygodne wyznaczenie średniej N ze względu na porę roku(dla niektórych miesięcy możliwe do uwzględnienia było jedynie kilka wartości, dla innych ponad sto). Przy kilku 95

96 DN (%) DN DN s Me Ustka Hel Elbl¹ g Suwa³ ki Œwinoujœcie Szczecin Pi³ a Chojnice Toruñ M³ awa Olsztyn Miko³ ajki Bia³ ystok Gorzów Wlkp. S³ ubice Poznañ Ko³ o P³ ock Warszawa Siedlce Terespol Zielona Góra Leszno Wroc³ aw Kalisz Wieluñ ódÿ Radom Lublin W³ odawa Jelenia Góra K³ odzko Opole Racibórz Czêstochowa KrakowBalice Kielce Rzeszów Sandomierz Bielsko Bia³ a Zakopane Nowy S¹ cz Lesko 9,1 1 4,6 6,5 19,1 8,1 4,2 2,9 5,7 1,1 5,3 7,1 4,5 4,1 7, 5,8 7,4 2,1 5, 4,3 3,5 5,2,1 3,2,3 5,5 2,7 4,6 3,4 4,3 4,5 6,1 2,3 5,2 4,3 7, 1,2 5,1 7,6 6,9 4,3 8,8 4,5 11,9 12,2 1,7 1,2 19,5 12,4 9,7 9,9 1,6 1,4 9,5 1,4 9, 9,8 11,3 1,6 11,3 9,5 1 9, 8,6 1,7 9,5 1,1 9,9 9,8 9,3 9,3 8,9 9,2 11,3 11,3 9, 1 9,7 1,3 9,1 9,8 1,9 9,8 9,7 12,4 9,1 12,3 11,8 13,2 13, 12,4 13,7 12,3 13, 12,6 13,7 11,5 11,8 11,7 12,5 13,2 12,5 12,7 12,8 11,8 11,6 11,1 12,8 13, 13,1 13,5 12, 12,2 12,2 11,9 11,8 13,9 12,9 12,1 12,5 12,2 11,8 12,4 12,3 12,6 11,9 12,1 13,8 11,4 8, 9,8 5,4 3,8 18,3 7,8 3,4 3,1 5,3 3, 4,4 6,1 2,8 4, 6, 5,3 6,7 2, 4,8 2,8 3, 5,3,8 3,2 1,6 4,6 2,6 3,1 2,6 3,4 5,4 7, 2,4 4,7 3,9 6,5 1,3 4,2 5,4 5,3 4,2 8,1 4,2,95,94,89,93,884,885,914,91,91,899,922,911,921,917,93,917,91,95,924,924,929,914,96,91,93,921,922,96,919,921,881,93,919,915,918,922,917,915,911,921,95,891, N (%) Ryc Rozbieżność w ocenie średniego dobowego zachmurzenia ogólnego przez MODIS i SYNOP na każdej z uwzględnionych stacji meteorologicznych. i ρ istotne statystycznie przy α=5. Wartości dla obserwacji w skali procentowej 96

97 DN(oktanty) DN DN s Me Ustka Hel Elbl¹ g Suwa³ ki Œwinoujœcie Szczecin Pi³ a Chojnice Toruñ M³ awa Olsztyn Miko³ ajki Bia³ ystok Gorzów Wlkp. S³ ubice Poznañ Ko³ o P³ ock Warszawa Siedlce Terespol Zielona Góra Leszno Wroc³ aw Kalisz Wieluñ ódÿ Radom Lublin W³ odawa Jelenia Góra K³ odzko Opole Racibórz Czêstochowa KrakowBalice Kielce Rzeszów Sandomierz Bielsko Bia³ a Zakopane Nowy S¹ cz Lesko,7,7,3,4 1,4,6,3,2,4,3,4,3,3,5,4,6,1,4,3,2,4,2,4,2,3,2,3,3,4,2,4,3,5,3,6,5,2,6,3,9,9,8,8 1,5,9,7,7,8,7,7,8,7,7,9,8,8,7,7,7,6,8,7,7,7,7,7,7,7,7,8,8,7,7,7,8,7,7,8,8,7,9,7,9,9 1, 1, 1, 1,,9 1,,9 1,,9,9,9,9 1,,9,9 1,,9,9,8,9 1, 1, 1,,9,9,9,9,9 1,,9,9,9,9,9,9,9,9 1,,9 1,1,9,6,6,3,3 1,4,6,2,1,4,1,3,4,1,3,5,4,5,1,3,2,2,4,2,3,1,2,1,3,3,4,1,3,2,5,3,5,3,2,5,2,95,92,888,93,885,884,915,9,911,898,921,913,922,919,95,917,913,91,924,924,929,915,96,897,91,924,923,91,916,923,879,91,918,914,92,918,916,914,912,918,92,889, N (oktanty) Ryc Rozbieżność w ocenie średniego dobowego zachmurzenia ogólnego przez MODIS i SYNOP na każdej z uwzględnionych stacji meteorologicznych. i ρ istotne statystycznie przy α=5. Wartości dla obserwacji w skali oktantowej 97

98 Czêstoœæ (%) 15 Skala procentowa Skala oktantowa 15 Czêstoœæ (%) Ryc Rozkład częstości różnic w ocenie średniego miesięcznego zachmurzenia ogólnegoprzezmodisisynop wartościach z danego miesiąca, pochodzących z różnych stacji, nie było możliwe odróżnienie, czy zaobserwowane różnice są wynikiem czynników sezonowych, czy wynikają z czynników właściwych stacjom. Różnice w ocenie średniego miesięcznego zachmurzenia wyznaczono jedynie z rozróżnieniem na poszczególne stacje. Dodatkowo, stacje podzielono na dwie podgrupy: stacje, których otoczenie dominuje tło typu ląd (>9% powierzchni otoczenia stacji) oraz pozostałe stacje. Miało to na celuwykazanie,jakduże Nwystąpiływsytuacji,gdyo Nniedecydowałcharakter pokrycia terenu w otoczeniu stacji. Przeciętna różnica (ryc. 4.9) dla wszystkich obserwacji wyniosła N=5,1% (Me=5,1%, σ=5,%, ρ=,935) i była o blisko jeden punkt procentowy wyższa, niż dla stacji, których otoczenie dominuje ląd( N=4,3%, σ=4,3%, Me=4,4%, ρ=,955). Pozostałe stacje, w których otoczeniu występowały jeziora i wybrzeża Bałtyku, charakteryzowały się zdecydowanie większą niezgodnością obserwacji: N=9,5% (σ=6,1%, Me=8,9%, ρ=,88). W skali średnich miesięcznych średnia różnica wartości bezwzględnych N wyniosła 5,9%, zbliżając się do średniej N. Zbieżność ta jest konsekwencją stosunkowo niewielkiej liczby sytuacji, gdy SYNOP wskazywał na większe zachmurzenie niż MODIS, a tym samym dominowały różnice dodatnie. Podobnie, jak w przypadku obserwacji terminowych i dobowych, N wykazywał związek ze średnim zachmurzeniem tym razem miesięcznym(ryc. 4.1). Najbardziej zgodne ze sobą były dane odpowiadające miesiącom ze średnim miesięcznym zachmurzeniem mniejszym niż 5%6%( N<5%). Dla miesięcy o większym zachmurzeniu N 5,%, a ponieważ liczba takich średnich dominuje rozkład, wartości N 5,% decydują o średniej dla całej próby. Na tę samą tendencję wskazują 98

99 1 Wszystkie stacje Stacje l¹d >9% Stacje l¹d <9% N MODIS (%) DN=1% DN=% DN=1% DN=% DN=1% DN=% N SYNOP (%) N SYNOP (%) N SYNOP (%) 8 Wszystkie stacje Stacje l¹d >9% Stacje l¹d <9% 8 8 N MODIS (oktanty) DN=,5 okt. DN= okt DN=,5 okt. DN= okt DN=,5 okt. DN= okt N SYNOP (oktanty) N SYNOP (oktanty) N SYNOP (oktanty) 8 Ryc Zgodność średnich miesięcznych ocen zachmurzenia MODIS i SYNOP, dla obserwacji w skali procentowej(góra) i oktantowej(dół) dane w skali oktantowej. Średnia różnica w ocenie zachmurzenia wyniosła w ich przypadku N=,3 oktanta(σ=,4 oktanta, Me=,3 oktanta, ρ=,936), przy niemal identycznych wynikach dla stacji, których otoczenie dominował ląd : N=,3 oktanta(σ=,3 oktanta, Me=,3 oktanta, ρ=,956) oraz odbiegających wynikach dla pozostałych stacji: N=,6 oktanta(σ=,5 oktanta, Me=,6 oktanta, ρ=,877). Rozpatrywanie wielkości N na poszczególnych stacjach napotyka ten sam problem, co analiza N z perspektywy cyklu rocznego. Teoretycznie każda ze stacji powinna zapewnić 36 średnich miesięcznych wartości zachmurzenia. W rzeczywistości,wnajlepszymraziebyłoich21(tylkodlajednejstacji),adlakolejnych31stacji od 18 do 2. Wielkość różnic średnich miesięcznych ocen zachmurzenia dla każdej stacji przedstawia ryc. 4.11(dla skali procentowej) i ryc. 4.12(dla skali oktantowej). Zestawienie jest uboższe o wyniki dla stacji, na których brakowało więcej niż połowę danych. Wyniki wskazują na dużą zgodność średnich miesięcznych ocen zachmurzenia międzydanymisynopimodis,takwujęciu Njaki N.Wpierwszymprzypadku, na około połowie stacji średnia N nie przekracza 3%, w najlepszym razie 99

100 DN(%) DN DN s Me Ustka Hel Elbl¹g Suwa³ki Swinoujœcie Szczecin Pi³a Chojnice Toruñ M³awa Olsztyn Miko³ajki Bia³ystok Gorzów Wlkp. S³ubice Poznañ Ko³o P³ock Warszawa Siedlce Terespol Zielona Góra Leszno Wroc³aw Kalisz Wieluñ ódÿ Radom Lublin W³odawa Jelenia Góra K³odzko Opole Racibórz Czêstochowa KrakowBalice Kielce Rzeszów Sandomierz Bielsko Bia³a Zakopane Nowy S¹cz Lesko ,2 1,4 4,9 6,7 19,4 7,7 2,5 5,7,4 5,6 7,6 1,6 4,9 4,1 4,1 5,2,9 3,2 5,4 3,5 4,2 5,2 6,4 2,3 6,9,8 5,7 4,2 8,9 9,2 9,6 1,4 11,2 5,6 5,3 6,8 6,4 19,4 19,7 7,7 7, 3,7 3, 5,7 4,6 3,8,8 5,7 6,4 7,6 9,5 3, 1,5 5,2 4,2 4,3 3,5 4,3 4,2 5,3 6,1 3, 1,5 4,1 3,4 5,6 4,6 3,7 3, 4,8 4,1 6,7 6, 6,5 6,9 4, 2,1 7, 7,2 3,8 2,4 5,7 4,8 5,6 5,8 9,1 8,5 4,1 3,5 5,1 3,7 3,7 3,5 3,8 3,3 4,7 3,5 3,8 3,4 3,5 3, 2,9 3,6 3,6 3,8 3,8 3, 3,1 5,7 3,9 4,3 3,4 4,2 2,7 4,5 5,4,99,937,948,973,916,967,964,979,963,954,96,94,986,972,977,961,977,95,981,96,982,882,945,967,983,977,951,928, DN (%) Ryc Rozbieżność w ocenie średniego miesięcznego zachmurzenia ogólnego przez MODIS i SYNOP na stacjach meteorologicznych, dysponujących co najmniej połową danych, teoretycznie możliwych do uzyskania. N i ρ istotne statystycznie przy α=,1. Wartości dla obserwacji w skali procentowej 1

101 1 1 2 DN (%) DN DN s Me Ustka Hel Elbl¹g Suwa³ki Swinoujœcie Szczecin Pi³a Chojnice Toruñ M³awa Olsztyn Miko³ajki Bia³ystok Gorzów Wlkp. S³ubice Poznañ Ko³o P³ock Warszawa Siedlce Terespol Zielona Góra Leszno Wroc³aw Kalisz Wieluñ ódÿ Radom Lublin W³odawa Jelenia Góra K³odzko Opole Racibórz Czêstochowa KrakowBalice Kielce Rzeszów Sandomierz Bielsko Bia³a Zakopane Nowy S¹cz Lesko ,6,7,3,5 1,4,5,2,4,2,4,6,2,3,3,3,4,2,3,4,2,2,3,4,4,3,5,2,4,3,6,6,7,3,4 1,4,5,1,4,4,6,1,3,3,3,4,1,2,4,2,3,3,4,2,5,4,2,6,3,3,3,3,3,2,2,2,3,2,2,2,2,2,2,2,2,2,2,2,2,4,2,3,2,2,2,3,4,7,7,3,5 1,5,5,1,4,4,6,1,3,3,3,4,2,2,3,2,3,3,4,2,5,1,3,3,6,99,928,938,971,97,968,961,988,967,958,946,94,986,977,986,964,972,947,978,965,991,881,934,965,983,977,947,974, DN(%) Ryc Rozbieżność w ocenie średniego miesięcznego zachmurzenia ogólnego przez MODIS i SYNOP na stacjach meteorologicznych, dysponujących co najmniej połową danych, teoretycznie możliwych do uzyskania. N i ρ istotne statystycznie przy α=,1. Wartości dla obserwacji w skali oktantowej 11

102 wynosząc N=,4%(Mława). Od tej wartości znacząco odbiegają przede wszystkim stacje, w których otoczeniu występowały znaczne powierzchnie wodne szczególnie Świnoujście z N=19,4%(Me=19,7%). Wartości N są zazwyczaj o 23 punkty procentowe wyższe od N, a na stacjach gdzie ujemne N nie były obserwowane (np. Ustka, Toruń, Rzeszów), średnie N i N są z oczywistych względów identyczne. Bez względu na skalę rozbieżności w ocenie średniego miesięcznego stopnia zachmurzenia, wszystkie stacje charakteryzuje bardzo wysoka i istotna statystycznie korelacja pomiędzy średnimi miesięcznymi szacunkami MODIS i SYNOP, typowo ρ>,95(maksymalnie ρ=,986 dla Warszawy) oraz odchylenie standardowe, zawierające się dla większości stacji w przedziale od 3% do 4%. W prawidłowość tę wpisują się także stacje nadmorskie, wyróżniające się na tle innych wysokimi wartościami N, N i mediany. Pomimo ogólnie dużej zgodności danych, wystąpiły miesiące, w których różnica na stacjach nie znajdujących się w sąsiedztwie morza czy pojezierzy, mogła sięgać nawet 19%(Nowy Sącz, grudzień 23). Skrajnie wysokie N dla indywidualnych miesięcy, większe niż 15% można zauważyć również dla Jeleniej Góry i Kłodzka (ryc. 4.11). Stacje te łączy lokalizacja w kotlinach górskich, co może mieć wpływ na jakość naziemnej informacji o zachmurzeniu. Z drugiej strony, stacją znajdującą się wkotlinieidotegowsąsiedztwietatrjestzakopane,któreniewyróżniasięnatle innych stacji. Należy ponadto pamiętać, że do wyznaczenia statystyk dla każdej stacji użyto zazwyczaj 182 średnich miesięcznych i były to najczęściej średnie z marca i kwietnia, najrzadziej sierpnia. Na poziomie obserwacji terminowych oraz średnich dobowych marzec i kwiecień rysowały się jako miesiące o większej niż średnia rozbieżności w ocenie zachmurzenia. Jednocześnie, najmniejsze rozbieżności wykazywały obserwacje z czerwca. Przy wyznaczaniu statystyk marzec i kwiecień były wliczane zazwyczaj3razyczęściej,niżczerwieciinnemiesiącezmałym N.Możnazatem podejrzewać, iż końcowa statystyka ciąży w kierunku wyższych N. Uwzględnienie proporcjonalnej liczby średnich miesięcznych na każdej stacji mogłoby prowadzić do zmniejszenia rozbieżności Różnice między średnimi rocznymi Ze względu na niewielka liczbę średnich ocen zachmurzenia(tylko 42 wartości, por. rozdział 2.4.2), różnice nie były wyznaczane z rozróżnieniem na indywidu 12

103 8 Wszystkie stacje Stacje l¹d >9% Stacje l¹d <9% 8 8 N MODIS (%) N SYNOP (%) N SYNOP (%) N SYNOP (%) Wszystkie stacje Stacje l¹d >9% Stacje l¹d <9% N MODIS (oktanty) N SYNOP (oktanty) N SYNOP (oktanty) N SYNOP (oktanty) Ryc Zgodność średnich rocznych ocen zachmurzenia MODIS i SYNOP, dla obserwacji w skali procentowej(góra) i oktantowej(dół) alne stacje, czy lata, lecz zostały opisane wspólnie. Średnia różnica w rocznych ocenach zachmurzenia między danymi MODIS i SYNOP wyniosła 5,7%(,4 oktanta). Na identyczną wartości wskazuje również średnia N, zbliżona jest mediana N Me=5,4%(,4 oktanta). Poszczególne wartości N odbiegały od średniej przeciętnie o σ=3,5%(,3 oktanta), wahając się w zakresie od,4% do 21,5%. Średnie roczne oceny zachmurzenia MODIS i SYNOP były ze sobą słabo skorelowane: ρ=,55 dla danych w skali procentowej, oraz ρ=,546 dla danych w skali oktantowej(obie wartości istotne statystycznie dla α=5). Słabsza korelacja wynika jednak nie tyle z większej niezgodności danych, co ze znacznie mniejszego zakresu wartości zachmurzenia o ile w przypadku obserwacji terminowych i średnich dobowych zachmurzeniedlasynopimodispokrywałocałyzakresod%do1%(luboktantówo8 oktantów), o tyle w skali średniej rocznej wartości obejmują jedynie zakres 63%75% (MODIS) i 5%7%(SYNOP). Wynika to ze stosunkowo niewielkiego zróżnicowania średniego rocznego zachmurzenia ogólnego na obszarze Polski. Podobnie, jak w przypadku wartości średnich miesięcznych, statystyki N zostały wyznaczone również dla stacji, w których otoczeniu obszary morskie i duże jeziora nie występowały lub stanowiły mniej niż 1% powierzchni otoczenia(ryc. 4.13). 13

104 W tej grupie obserwacji średnia N wynosiła 4,9%(,3 oktanta), Me=5,1%(,4 oktanta), przy σ=2,1%(,2 oktanta). Wzrósł również współczynnik korelacji do ρ=,676(identyczny dla danych w skali oktantowej). Na pozostałych stacjach, na których o wartości N w znacznym stopniu decydowało otoczenie, dane MODIS i SYNOP były nieskorelowane: ρ=86 dla skali procentowej, ρ=,275 dla skali oktantowej. Rozbieżność w ocenie zachmurzenia wynosiła dla tych stacji N=1,7% (,8 oktanta), Me=1,3%(,7 oktanta) przy σ=5,7%(,5 oktanta). Ze względu na skromny materiał obserwacyjny, wyniki odnoszące się do różnic między średnimi rocznymi wielkościami zachmurzenia należy traktować jako orientacyjne. Pełniejszy obraz wymagałby wykorzystania danych z dłuższego okresu, wykorzystania średnich rocznych liczonych z danych SYNOP o małej rozdzielczości czasowej(24 obserwację na dobę), lub uwzględnienie większego obszaru, co pozwoliłoby również na bardziej wiarygodne oszacowanie korelacji między ocenami zachmurzenia MODIS i SYNOP. 14

105 5. Dyskusja W efekcie porównania ze sobą danych satelitarnych MODIS i wyników obserwacji naziemnych, stwierdzona została istotna statystycznie(α=1) różnica w ocenie stopnia zachmurzenia N=5,1%( N=,3 oktanta). Rozbieżność ta może wynikać z odmienności porównanych technik obserwacyjnych, z których jedna hipotetycznie wskazuje wartości bliższe rzeczywistym(nieznanym i na chwilę obecną niepoznawalnym). Źródłem niezgodności obserwacji mogła być także jakość wykorzystanych danych oraz ograniczenia metod zastosowanych do ich porównania. Z tego względu w pierwszej kolejności poddane dyskusji zostaną metody badań. Następnie przedyskutowane zostaną aspekty merytoryczne wyników badań, by ostatecznie odnieść je do rezultatów analogicznych studiów, przeprowadzonych dla innych sensorów Wiarygodność depesz SYNOP Wykorzystane w pracy dane SYNOP nie pochodziły z oficjalnego źródła, jakim w Polsce jest Instytut Meteorologii i Gospodarki Wodnej(IMGW). Z tego względu dane nie mają stuprocentowej gwarancji jakości i mogą zawierać informacje nieprawdziwe. Aby zminimalizować ryzyko wykorzystania błędnych danych, na etapie selekcji obserwacji odrzucane były wszystkie raporty SYNOP noszące ślady niejednoznaczności. Niestety nie gwarantuje to, iż pozostałe dane są wolne od błędów. Dalszą weryfikację jakości obserwacji SYNOP można przeprowadzić porównując otrzymane 15

106 statystyki zachmurzenia ze statystykami udokumentowanymi przez innych autorów. Za punkt odniesienia wybrana została praca Żmudzkiej(27), dająca najpełniejszą syntezę stosunków nefologicznych nad Polską, opisanych wynikami obserwacji naziemnych(oficjalne dane IMGW). W wyniku porównania można stwierdzić, iż wykorzystane w niniejszej pracy dane SYNOP poprawnie oddają charakterystyczną dla Polski roczną zmienność zachmurzenia ogólnego oraz roczną zmienność częstości dni z dużym zachmurzeniem (N>6 oktantów). Częstość, z jaką obserwatorzy naziemni notowali poszczególne wielkości zachmurzenia(por. ryc. 3.1) można porównać z podawanym przez Żmudzką analogicznym zestawieniem dla Łodzi. Obydwa wykresy są niemal identyczne, z niewielką rozbieżnością dla N=7 oktantów i N=8 oktantów, która może wynikać wyłącznie z innego okresu uwzględnionego w analizie(lata u Żmudzkiej, 2325 w tej pracy). Podobnie, rozkład częstości zachmurzenia dla danych wykorzystanych w tej pracy, zgadza się z rozkładami uzyskanymi na podstawie obserwacji wykonanych w Poczdamie(Seiz i in. 27), uśrednionych obserwacji dla całej Europy (Derrien i Le Gléau 25) czy ogólnie, uśrednionych dla szerokości umiarkowanych półkuli północnej(bréon i Colzy 1999). Z praktycznego punktu widzenia zgodność taka oznacza, że nawet jeśli niektóre z użytych w tej pracy depesz SYNOP zawierały błędne informacje o zachmurzeniu, to ilość takich depesz była zaniedbywalnie mała. Tak więc wynikające z nich błędy nie zaznaczyły się w rozkładzie częstości zachmurzenia i tym samym nie miały istotnego wpływu na wyznaczone różnice w ocenie zachmurzenia między SYNOP i MODIS. Pozwala to uznać wykorzystane dane SYNOP za wiarygodne źródło naziemnej informacji o zachmurzeniu ogólnym. Dodatkowo, zgodność średniego rozkładu dla Polski, opisanego w tej pracy, ze średnim rozkładem dla całej strefy umiarkowanej jest argumentem za uznaniem obszaru Polski jako reprezentatywnego dla strefy umiarkowanej, ze względu na zachmurzenie ogólne Poprawność założeń metodycznych Chęć porównania ze sobą danych MODIS i SYNOP wymusiła sprowadzenie ich do wspólnego mianownika. W praktyce oznaczało to przede wszystkim konieczność upodobnienia obserwacji satelitarnej do naziemnej. Każdy z etapów tego procesu mógł teoretycznie wpłynąć na zaobserwowane różnice w ocenie stopnia zachmurzenia, stąd celowym jest wykazanie źródeł potencjalnych błędów. 16

107 Interpretacja maski chmur Pierwszym źródłem błędów mogła być interpretacja maski chmur. Jak wyjaśniono w rozdziale 1., maska chmur MODIS ma cztery klasy o charakterze opisowym. Wyliczenie statystyk zachmurzenia wymaga przypisania tym klasom informacji ilościowej w postaci zachmurzenia ogólnego. Aby przypisanie było wolne od błędów, konieczna jest wiedza, w jakim stopniu chwilowe pole widzenia sensora wypełnione było chmurami zarówno wypełnienie w 1% jak i w 9% skutkuje oznaczeniem piksela jako zachmurzony (CLD w masce chmur MODIS). Problem ten dotyczy wszystkich satelitarnych obserwacji zachmurzenia wykonywanych instrumentami obrazującymi. Projekt CLAVRx określił wagi dla klas maski chmur sensora AVHRR w sposób pośredni, stosując metodę równoważenia radiometrycznego(radiometric balance; Thomas i in. 24). Dla sensora SEVIRI wagi wyznaczył Karlsson i in. (25), przy czym zastosowane podejście trudno nazwać obiektywnym, gdyż autorzy z góry założyli konieczności zgodzenia się obserwacji satelitarnych i naziemnych idobieraliwagitak,byceltenosiągnąć. MODIS, jako jedyny sensor, ma takie wagi określone w sposób bezpośredni i obiektywny(kotarba 21), lecz wyniki tych badań są ograniczone wyłącznie do chmur Cumulus i Stratocumulus nad obszarem oceanicznym. Wskazują jednak na słuszność przypisania N=% pikselom klasy CLR, zwracając jednocześnie uwagę, że dla nieba nie pokrytego w 1% przez chmury, przypisanie N=1% pikselom klasy CLD prowadzi do zawyżania stopnia zachmurzenia. Brak analogicznego opracowania dla ląduwymuszaprzyjęcieapriorin=%dlaclrin=1%dlacld,jakonajlepszego przypuszczenia. Godząc się na to założenie, można w prosty sposób oszacować błąd wynikający z interpretacji klas pośrednich, rozważając dwa scenariusze: optymistyczny i pesymistyczny. Pierwszy zakłada, iż obydwu klasom pośrednim odpowiada w rzeczywistości N=%, podczas gdy drugi N=1%. Wszystkie inne możliwe wartości są objęte tymi dwiema skrajnymi sytuacjami. Tabela 5.1 zestawia ogólne statystyki zachmurzenia dla scenariusza optymistycznego, pesymistycznego i standardowego, tj. zrealizowanego w pracy. Najmniejsza różnica między danymi MODIS i SYNOP zostałaby zaobserwowana, gdyby zrealizowany został scenariusz optymistyczny( N=1,9%). Największa zgodność między obserwacjami MODIS i SYNOP podczas dnia wystąpiłaby dla scenariusza standardowego( N=1,%), nocą dla optymistycznego( N=,9%). W przypadku obserwacji nocnych za poprawniejszy(mniejsza rozbieżność) należałoby uznać scenariusz optymistyczny. Wybór taki byłby uzasadniony jedynie, gdyby celem było zminimali 17

108 Tab Średnie zachmurzenie wg obserwacji MODIS przy skrajnych scenariuszach interpretacji maski chmur Wariant interpretacji maski chmur Pesymistyczny Standardowy Optymistyczny N odpowiadające CLR klasie maski PCL 1 chmur(%) UNC 1 1 CLD Śr. N MODIS(%) Dzień+noc 74,4 69,4 62,5 Dzień 73,6 71,2 65,9 Noc 75,4 67,4 58,4 Śr. N(%) Dzień+noc 1 5,1 1,9 Dzień 3,4 1, 4,3 Noc 17,8 9,8,9 Śr. N (%) Dzień+noc 16,8 14,2 13,9 Dzień 12,5 12,4 13,2 Noc 21,8 16,4 14,6 zowanie N w stosunku do obserwacji naziemnych. Jednakże, jak zostanie pokazane w dalszej części dyskusji, nocne obserwacje naziemne są obarczone błędem i zaniżają wielkość zachmurzenia o około 1 punktów procentowych w stosunku do dnia. Zrealizowany w pracy scenariusz standardowy można zatem uznać za poprawny i uzasadniony Promień reprezentatywności obserwacji naziemnej Kolejnym krokiem upodabniania obserwacji MODIS do SYNOP było wyliczenie zachmurzenia ogólnego, w założeniu odpowiadającego wartości ze stacji naziemnej. Zostało to osiągnięte poprzez uśrednienie wartości zachmurzenia przypisanych do wszystkich pikseli maski chmur znajdujących się w promieniu 3 km wokół stacji. Promień 3 km został wybrany subiektywnie, jako najczęściej uwzględniany w opracowaniach o podobnym charakterze(np. Rossow i in. 1993, Schreiner i in. 1993, Dybbroe i in. 25, Karlsson i in. 25). Pytanie, czy jest to wartość poprawna, pozostaje bez odpowiedzi, gdyż obszar reprezentatywności naziemnej obserwacji zachmurzenia nie jest precyzyjnie określony i zależy od wielu czynników(widzialności poziomej, rodzaju, wysokości podstawy i wierzchołków chmur, topografii terenu, itp.). Możliwym jest natomiast określenie jak zmienia się N ze zmianą wielkości promienia(r). Wymaga to jednak wielokrotnego powtórzenia całości badań dla co 18

109 najmniej 23 większych i 23 mniejszych wartości promienia. Czasochłonność fazy obliczeniowej badań nie pozwala na symulację w tak szerokim zakresie. Wykonana została więc jedynie symulacja dla czerwca(warunki letnie) i grudnia(warunki zimowe) 24, dla wybranych 1 stacji centralnej Polski(ryc. 5.1). Przyjęto wzrost promieniaodr=5kmdor=1km,zkrokiem5km. Wielkość promienia ma niewielkie znaczenia dla N obserwowanych w grudniu Njestniemalstała,różnisięod N R=3 maksymalnieo,3punktuprocentowego, średnio o 1 punktu procentowego, co jest wartością znikomą. Największe odstępstwaod N R=3 wystąpiłydlanajbliższegootoczeniastacji(r<15km).wlecie (czerwiec) N wykazało stałą tendencję malejącą ze wzrostem R, przy czym spadek N był największy dla najbliższego otoczenia stacji(r<25 km). Powyżej R=45 km wahania Nwstosunkudo N R=3 byłyzbliżonedoobserwowanychwgrudniu. Największą zgodność obserwacji SYNOP i MODIS osiągnięto by dla maksymalnie dużegor(1km),przyczymróżnicawwartości Ndlapromienia35kmi1km wynosiła tylko,5 punktu procentowego. Na podstawie powyższej symulacji można wnioskować, iż przyjęcie 3 km jako promienia obszaru reprezentatywności oceny zachmurzenia, było uzasadnione w zimie, gdy wielkości promienia nie wpływa znacząco na N każda inna wartość dałaby w efekcie bardzo podobne wyniki. W czerwcu relatywnie niewielki wpływ na N miałoby zwiększanie promienia, jednak jego zmniejszenie oznaczałoby wzrost N o kolejne,5 punktu procentowego z każdorazowym skróceniem promienia o 5 km. Wyniki te odzwierciedlają jedynie rezultaty obserwacji uśrednionych do wartości miesięcznej. Jak widać na ryc. 5.1, wystąpiły też sytuacje, dla których zmiana R miała większy i bardziej złożony wpływ na N Skala oceny stopnia zachmurzenia Porównywanie obserwacji wykonanych w dwóch skalach wymagało sprowadzenia danych MODIS do skali oktantowej, a danych SYNOP do procentowej. Ponieważ danemodissąznaturydanymiwskaliprocentowej,dotegobyływyrażonezdokładnością do,1%, ich redukcja do oktantów była zabiegiem prostym i nie budzi zastrzeżeń. Szerszego komentarza wymaga natomiast konwersja danych SYNOP do skali procentowej. Przeliczenie to odbyło się w najpowszechniej stosowany sposób, tj. przez pomnożenie wartości w oktantach przez 12,5%(jedną ósmą część nieba). Podejście takie nie uwzględnia jednak specyfiki obserwacji naziemnych i ich dokładności, co może rzutować na ocenę zachmurzenia. Przykładowo, zachmurzenie 19

110 N (%) N R=3 N R (%) N (%) 5 5 N (%) N R=3 N R (%) Promieñ (km) Promieñ (km) N (%) Promieñ (km) Promieñ (km) Ryc Wpływ założonego promienienia reprezentatywności wizualnej oceny zachmurzenia na wielkość różnic w ocenie zachmurzenia przez MODIS i SYNOP dla wybranych stacji Polski nizinnej, w czerwcu(po lewej) i grudniu(po prawej) 24 roku N=3 oktanty oznacza nie tylko N=37,5%, jak wynikałoby z arytmetyki, ale równie dobrze N=35%, N=37%, N=43% ogólnie każdą wartość z zakresu N=37,5±6,25%. Margines ten jest wyłącznie konsekwencją przyjęcia precyzji oceny zachmurzenia na poziomie 1/8 nieba. Definicja skali oktantowej(imgw 1988) wymusza dodatkowo 11

111 zależność precyzji obserwacji od klasy zachmurzenia: % dla N=8 i N= oktantów, ±6,25 dla 1<N<7 oktantów, +6,25/12,5 dla N=1 oktant i6,25/+12,5 dla N=7 oktantów. Ponieważ nie wiadomo, jakie faktycznie było zachmurzenie w czasie dokonywania obserwacji, nie można jednoznacznie przeliczyć wartości ze skali oktantowej do procentowej. Zasadne byłoby przyjęcie skrajnych wartości, jako zawierających wartość faktyczną zakładając, iż obserwator poprawnie przypisał zachmurzenie do danej klasy. Różny błąd obserwacji SYNOP dla różnego stopnia zachmurzenia może w różny sposób wpłynąć na ostateczną ocenę, zależnie od częstości występowania poszczególnych klas zachmurzenia. Aby oszacować, jak duże znaczenie może mieć pomijanie błędu obserwacji w klasycznej metodzie przeliczania oktantów na procenty, przeprowadzona została następująca symulacja. Dane terminowe SYNOP, wykorzystane w analizie różnic w skali meteorologicznej, zostały trzykrotnie przeliczony z oktantów na procenty. Pierwsze przeliczenie było standardowym, przypisującym 12,5% każdemu oktanowi. Drugie przeliczenie zakładało, iż rzeczywiste zachmurzenie było równe maksymalnemu dopuszczanemu w danej klasie, podczas gdy przeliczenie trzecie zachmurzeniu minimalnemu w klasie. Uwzględniona została liczebność przypadkówwkażdejzklas. Średnie zachmurzenie ogólne, wyznaczone w sposób klasyczny, wyniosło 64,4%. Wariant drugi(pesymistyczny) dał w rezultacie zachmurzenie wyższe, sięgające 69,4%. Wariant trzeci(optymistyczny), zgodnie z oczekiwaniami, wskazał na zachmurzenie niższe: 6,4%. Daje to bardzo szeroki(9 punktów procentowych) zakres możliwych wartości. Zakres ten wynika tylko i wyłącznie z samego faktu przeliczania wartości skali oktantowej do procentowej, przy danej empirycznej częstości klas zachmurzenia. Wartość 64,4% wyznaczoną w sposób tradycyjny można uznać za najbardziej prawdopodobną jedynie przy założeniu: 1) równie częstego występowania jednakowych dodatnich i ujemnych odchyleń od wartości średniej dla klasy, oraz 2) równie licznego występowania zachmurzenia N=1 i N=7 oktantów(niesymetryczne błędy oceny zachmurzenia). O ile pierwszy warunek można zaakceptować, drugi budzi uzasadnioną wątpliwość w warunkach Polski i strefy umiarkowanej sytuacjezn=1oktantsą34razyrzadszeodn=7oktantów(derrienilegléau, 25, Żmudzka 27). Prawidłowości widoczne w wynikach dla danych w skali oktantowej w większości przypadków odpowiadały tendencjom obserwowanym dla danych w skali procentowej, jednak na poziomie analizy indywidualnych przelotów wykorzystanie skali 111

112 1 8 6 N (%) 4 2 MODIS optymistyczny optymalny pesymistyczny SYNOP S L M K M C L S W P L G S L M K M C L S W P L G S L M K M C L S W P L G Miesi¹c Ryc Średnie miesięczne zachmurzenie ogólne oszacowane na podstawie obsrwacji naziemnych i satelitarnych MODIS w latach 2327, wraz z marginesami błędów, wynikających ze sposobów interpretacji danych MODIS i SYNOP. Wyniki dla obserwacji w skali procentowej oktantowej generalizowało charakter niektórych trendów, co najwyraźniej widać dla rozkładów N(por. ryc. 3.3), rocznej zmienności N(por. ryc. 3.1) oraz wielkości N na poszczególnych stacjach(por. ryc ). Duże znaczenie miała skala obserwacyjna dla różnic wartości średnich dobowych(por. ryc ). Dowodzi to istotności charakteru skali, w której analizowane są wyniki obserwacji zachmurzenia ogólnego. Możliwość wystąpienia błędów przy interpretacji danych MODIS i SYNOP mogła być sama w sobie źródłem rozbieżności w ocenie zachmurzenia. Błędów tych nie można precyzyjnie określić, ale dają się objąć dwiema sytuacjami skrajnymi: optymistyczną i pesymistyczną. Zgodność obydwu ocen przy szacowanym marginesie ewentualnych błędów metodycznych jest bardzo duża(ryc. 5.2) i tylko w nielicznych miesiącach wartości znacząco od siebie odbiegają(szczególnie luty 23, z uwagi na możliwe błędy danych SYNOP). Równie dużą zgodność przedstawiają dane w skali oktantowej(ryc. 5.3), w przypadku których wynikom obserwacji SYNOP nie towarzyszy już margines błędu interpretacji, gdyż są to dane nieinterpretowane. Mając na względzie opisaną powyżej specyfikę obserwacji zachmurzenia, oraz ograniczenia metod ich porównywania, można podjąć próbę oceny zgodności szacunków zachmurzenia ogólnego, dokonywanych przez MODIS i SYNOP. 112

113 8 7 6 N (oktanty) MODIS optymistyczny optymalny pesymistyczny SYNOP S L M K M C L S W P L G S L M K M C L S W P L G S L M K M C L S W P L G Miesi¹c Ryc Średnie miesięczne zachmurzenie ogólne oszacowane na podstawie obserwacji naziemnych i satelitarnych MODIS w latach 2327, wraz z marginesami błędów, wynikających ze sposobów interpretacji danych MODIS i SYNOP. Wyniki dla obserwacji w skali oktantowej 5.3. Przyczyny rozbieżności ocen zachmurzenia Wyniki otrzymane w skali meteorologicznej pozwalają ocenić, jak rozbieżność między szacunkami zachmurzenia wynika z odmienności stosowanej techniki obserwacyjnej. Zastosowane rygorystyczne kryterium czasowej zgodności obserwacji pozwala uznać, iż zarówno obserwator naziemny jak i MODIS poddawali ocenie ten sam stan fizyczny atmosfery. W empirycznym rozkładzie różnic najwyraźniej zaznaczyły się dwie wartości: skupiająca 26% wszystkich obserwacji N=% oraz N=+12,5%, na którą przypadło 12% obserwacji. Pierwsza wartość oznacza pełną zgodność ocen zachmurzenia. Wyniki pokazały, że miała ona miejsce wyłącznie dla obserwacji nieba bezchmurnego i zachmurzonego całkowicie, czyli sytuacji, w których najłatwiej o precyzyjny szacunek zachmurzenia. Najczęściej odnotowaną różnicą była N=+12,5%. W 95% przypadków wystąpiła, gdy obserwator naziemny szacował N=7 oktantów, co oznacza, iż MODIS musiał wtedy wskazywać niebo całkowicie zachmurzone. Specyfika obserwacji naziemnej wymusza na obserwatorze wskazanie N=7 oktantów nawet przy najmniejszej przerwie w pokrywie chmur. 7 oktantów po przeliczeniu do skali procentowej oznacza zachmurzenie N=87,5%, pomimo iż(jak już zostało powiedziane), faktycznie 113

114 zachmurzenie mogło wynosić N=99,9%. Jeśli MODIS nie dostrzegł niewielkiej przerwy w chmurach i wskazał N=1%, różnica w ocenie zachmurzenia automatycznie wynosi N=12,5%. Wystąpienie takich sytuacji można wytłumaczyć rozmiarem chwilowego pola widzenia MODIS. Wg Boersmana i in.(24) jeżeli chwilowe pole widzenia sensora jest co najmniej w 2% wypełniony chmurą, to zarejestrowana w nim odpowiedź spektralna przeważa nad odpowiedzią bezchmurnej części chwilowego pola widzenia. Oznacza to, że gdy chwilowe pole widzenia MODIS było w 2% lub więcej wypełnione chmurami, algorytm detekcji chmur mógł uznać je za zachmurzony, co dalszej perspektywie oznaczało przypisanie N=1%. Z perspektywy obserwatora naziemnego, patrzącegowzenitnachmuryopodstawienawysokości5km,chwilowepolewidzenia MODISośrednicy1kmodpowiadaśrednicykątowej12stopni,tj.24razywiększej niż tarcza Księżyca. Jest bardzo mało prawdopodobne, by obserwator naziemny przeoczył tak duży fragment nieba bezchmurnego, wskazując na zachmurzenie odpowiadające 7 oktantom. Niewielkie przerwy w pokrywie chmur, korespondujące z kilkoma chwilowymi polami widzenia, mogłyby zostać zaklasyfikowano jako zachmurzone także z powodu samej techniki skanowania. Jak podają Nishihama i in.(1997), ze względu na czas integracji sygnału odbieranego przez detektory MODIS, łącznie 25% sumarycznego promieniowania przypisanego do danego chwilowego pola widzenia pochodzi z sąsiednich chwilowych pól widzenia w linii skanu. Jeśli obywa były zachmurzone, to wartości promieniowania dla nich mogły mieć wpływ na wartość dla chwilowego pola widzenia między nimi. Takie sztuczne wypełnianie przerw w pokrywie chmur mogło prowadzić do wskazywania przez MODIS N=1%, podczas gdy obserwatorzy naziemni wciąż byli w stanie dostrzegać fragmenty nieba bezchmurnego. O wpływie rozmiaru chwilowego pola widzenia na prawdopodobieństwo detekcji nieba bezchmurnego pisali Krijger i in. 27. Wykazali, iż częstość detekcji nieba bezchmurnego w warunkach europejskich spada z 35% dla 1 1 km chwilowego pola widzenia,do25%dla3 3kmi15%dla1 1km.Zjednejstronywskazujetona ogromne znaczenie rozdzielczości przestrzennej danych przy detekcji chmur(nieba bezchmurnego), z drugiej strony wspiera tezę, iż rozmiar chwilowego pola widzenia decydował o wyższych ocenach zachmurzenia MODIS, gdy obserwatorzy naziemni wskazywali N=7 oktantów. Szczególną grupę dodatnich N stanowiły przypadki, gdy obserwator naziemny wskazywał N= oktantów, a MODIS na zachmurzenie N> oktantów przypadło 114

115 na nie 14% wszystkich obserwacji(1%, gdy pominąć N=+12,5%). Z praktycznego punktu widzenia, tego typu sytuacje miały miejsce wtedy, gdy przynajmniej jeden piksel maski chmur MODIS w 3 km otoczeniu stacji został określony jako zachmurzony. Chmura widziana przez MODIS mogła być faktycznym zjawiskiem atmosferycznym, z jakiegoś względu przeoczonym przez obserwatora naziemnego, jak również artefaktem, wynikającym z błędu w algorytmie detekcji chmur. MODIS ze względu na rejestrowanie promieniowania w kilku kanałach zakresu 1214 µm pozwalanawykrywaniechmurpiętrawysokiegometodą CO 2 slicing,stosowaną dotąd na sondujących radiometrach podczerwieni(wylie i in. 1994, Wylie i Menzel 1999). Nie można wykluczyć, iż część chmur dostrzeganych przez MODIS, ale nie przez SYNOP, odpowiadała właśnie chmurom Cirrus/Cirrocumulus/Cirrostratus, w tym tzw. subvisula cirrus(bourassa i in. 25). Niestety, brak jakościowej informacji o zachmurzeniu MODIS nie pozwala zweryfikować tej hipotezy. Pewne jest natomiast, iż obecny algorytm detekcji chmur MODIS nie jest wolny od wad i błędnie wskazuje na obecność chmur nad obszarami określony jako wybrzeże (problem ten omówiony zostanie szerzej w dalszej części dyskusji). Jeśli błąd jest systematyczny, obarczone nim zostają zarówno obserwacje, w czasie których SYNOP wskazuje N> oktantów oraz obserwacje z N= oktantów, co zwiększa częstość występowania różnic dodatnich. Ryc. 5.4 przedstawia syntetyczne zestawienie stwierdzonych rozbieżności MODISSYNOP. Bez względu na porę doby dominowały różnice dodatnie, zarówno w liczebności przypadków jak i wartości N. Jeśli z grona różnic dodatnich wyłączyć opisane powyżej dwie grupy rozbieżności( N=12,5% i N> przy N= oktantów), pozostałe przypadki stanowią 26% wszystkich obserwacji, tj. występowały z identyczna częstością, jak obserwacje, dla których N była ujemna. Pomimo zgodności na poziomie częstości, średnia N dla wyselekcjonowanych różnic dodatnich jest większa(2,4%), niż dla wszystkich ujemnych(17,6%), więc przypadki te się nie równoważą i MODIS wskazuje ogólnie na nieco wyższe zachmurzenie. Pokazuje to jednak, iż o zawyżaniu ocen zachmurzenia przez MODIS w stosunku do SYNOP w bardzo dużym stopniu decydują obserwacje dla nieba bezchmurnego(wg SYNOP), gdy MODIS dostrzega chmury nie obserwowalne przez obserwatorów naziemnych, oraz obserwacje, gdy SYNOP skazuje N=7 oktantów, a MODIS najprawdopodobniej nie jest wstanie dostrzec niewielkich przerw w chmurach, wskazując na zachmurzenie całkowite. 115

116 Ryc Struktura rozbieżności w ocenie zachmurzenia przez SYNOP i MODIS Częstsze wskazywanie różnic dodatnich niż ujemnych, jest też po części konsekwencją algorytmu detekcji chmur przez MODIS. Jego charakter jest określany jako clearsky conservative, co znaczy, że każde chwilowe pole widzenia sensora, co do którego zachodzi uzasadnione podejrzenie, iż jest zachmurzone, jest oznaczane jako zawierającechmurę(ackermaniin.1998).matonaceluwskazanieze1%pewnością bezchmurnych chwilowych pól widzenia, które są później wykorzystywane do wyznaczania parametrów lądu, oceanu czy atmosfery. Procedura taka może prowadzić do zawyżania zachmurzenia i jest prawdopodobne, że część przypadków dodatnich różnic przy N= oktantów wskazywanym przez obserwatorów naziemnych, ma również taką genezę Rozbieżność w cyklu dobowym i rocznym Wyniki pokazały, iż warunkami zdającymi się najsilniej wpływać na wielkość N była pora doby. Rozbieżność w ocenie zachmurzenia nocą wyniosła N=9,8%, przy jednoczesnej względnie dużej zgodności dla dnia( N=1,%). Uwagę zwracała także różnica 4 punktów procentowych w zachmurzeniu między dniem i nocą w obserwacjach MODIS, i aż 12 punktów procentowych różnicy dla analogicznych 116

117 warunków w obserwacjach SYNOP. Jednocześnie, średnie wartości bezwzględne różnicdlaobserwacjinocnychbyłyo4punktyprocentowewyższeniżwciągudnia,co wskazuje na większą zgodność obserwacji dziennych, ale również oznacza, iż średnia bezwzględna różnica N=1% był w dużej mierze efektem znoszenia się błędów wynikających ze specyfiki obydwu metod obserwacyjnych. W praktyce podstawową charakterystyką zachmurzenia jest w klimatologii wartość średnia(arytmetyczna), stąd ważniejsze z punktu widzenia celu pracy jest odniesienie się do bezwzględnej wielkości różnic średnich ocen zachmurzenia N niż wartości bezwzględnych różnic N. Dostępność krótkofalowego promieniowania słonecznego w ciągu dnia zapewniają tak sensorom satelitarnym, jak i obserwatorom naziemnym największe szanse poprawnej obserwacji chmur. Można zatem uznać, iż wyniki obserwacji dziennych są wyznacznikiem faktycznej zdolności oceny zachmurzenia ogólnego przez każdą z metod. Obserwacje naziemne i satelitarne są wrażliwe na obecność promieniowania słonecznego, ale wrażliwość ta jest znacznie mniejsza dla sensorów orbitalnych tracąc informację z zakresu λ<4 µm wciąż mają do dyspozycji informacje z kanałów podczerwieni termalnej. Pozbawione światła słonecznego obserwacje naziemne w zasadzie są niewykonalne, choć w praktyce można je realizowane dzięki oświetleniu Księżyca, ewentualnej poświacie miasta lub widoczności gwiazd w przerwach między chmurami(imgw 1988). Na błędy obserwacji nocnych(nightdetection bias) zwróciła uwagę Hahn i in. (1995). Poddali oni analizie naziemne obserwacje nocne, podzielone ze względu na fazę Księżyca i jego wysokość nad horyzontem. Wykazali, że obserwacje wykonane w ciągu nocy księżycowych wskazują na wyższe zachmurzenie, niż wszystkie obserwacje nocne(bez względu na oświetlenie). Odrzucenie przez Hahn i in. obserwacji nocnych dla niekorzystnych warunków oświetleniowych przełożyło się na wzrost zgodności danych naziemnych ze statystykami satelitarnymi ISCCP, uzyskiwanymi nocą w podczerwieni. Można na tej podstawie uznać, że również większa różnica MODISSYNOP nocą niż za dnia, jest efektem błędów obserwacji naziemnych. Alternatywnym wytłumaczeniem dużej rozbieżności w ocenie zachmurzenia nocą przez MODIS i SYNOP byłaby sytuacja, w której to dane SYNOP(hipotetycznie) wskazywałyby na poprawną wielkość zachmurzenia, a MODIS znacząco by je zawyżał. Zawyżanie nocnego zachmurzenia przez MODIS oznaczałoby, iż algorytm detekcji chmur błędnie klasyfikuje podłoże jako chmurę. Prace Ackermana i in.(25, 26, 28) dowodzą odwrotnej tendencji MODIS częściej gubi chmury, niż do 117

118 1 8 6 N (%) 4 2 MODIS SYNOP Dzieñ Noc S L M K M C L S W P L G Miesi¹c Ryc Średnie miesięczne wieloletnie zachmurzenie ogólne dla dziennych i nocnych obserwacji MODIS i SYNOP strzega nieistniejące, co przemawia za błędem nocnej obserwacji chmur po stronie SYNOP. Uprawnionym jest więc stwierdzenie, że dane MODIS są znacznie bardziej wiarygodnym źródłem informacji o zachmurzeniu ogólnym nocą, niż wizualne obserwacje naziemne. Obserwacje SYNOP wykazały zachmurzenie nocne niższe od dziennego średnio o12%.jakwynikałoztabeli3.3,wartośćtawyraźniezmieniałasięwciąguroku była najmniejsza zimą, a największa latem. Taka cykliczność w kontekście zachmurzenia może wiązać się z ilościową i jakościową zmianą charakteru zachmurzenia w ciągu roku. Zmiany ilościowe znajdują wyraz w średnich miesięcznych wartościach zachmurzenia, w tabeli 3.3 przybliżonych poprzez uśrednione zachmurzenia dla wybranych par obserwacji MODISSYNOP w danym miesiącu. Zestawienie wskazuje, że rozbieżność dzieńnoc dla SYNOP była tym większa, im niższe było średnie miesięczne zachmurzenie. Mogłoby to sugerować, iż błąd nocnych obserwacji naziemnych jest większy, gdy średnie dobowe zachmurzenie jest małe. Ryc. 5.5 pokazuje że teza ta jest błędna. Na wykresie zaznaczone są uśrednione do wartości miesięcznej obserwacje terminowe MODIS i SYNOP, osobno dla dnia i nocy. Można zauważyć, że różnica w nocnej ocenie zachmurzenia dla MODIS i SYNOP ma niemal identyczny przebieg, z tym, że SYNOP wskazuje na zachmurzenie niższe o 1±2 punkty procentowe. Błąd nocnych obserwacji naziemnych jest więc stały w ciągu roku(oczywiście przyjmując dane MODIS za wiarygodne źródło informacji o zachmurzeniu nocą). W cięgu roku wyraźnie zmienia się natomiast relacja między dziennymi ocenami zachmurzenia przez MODIS i SYNOP. W chłodnej połowie roku MODIS wskazuje 118

119 na wyższe zachmurzenie niż SYNOP, a prawidłowość ta staje się odwrotna w ciepłej połowie roku(ryc. 5.5). Powodem, dla którego w lecie SYNOP podaje wyższe zachmurzenie niż MODIS może być sezonowa zmiana struktury zachmurzenia i związany z nią błąd naziemnych ocen zachmurzenia. Wg Żmudzkiej(27) pora roku wywiera najsilniejszy wpływ na częstość, z jaką w ciągu dnia i nocy występują chmury Cumulus. Zimą, chmury Cumulus w ciągu dnia stanowią 1% wszystkich obserwowanych chmur, podczas gdy w ciągu dnia latem aż jedną trzecią. Nocą częstośćwystępowaniacumulusjestznikomomała zaledwie2%zimąi3%wlecie. Wiadomo, że ze względu na geometrię obserwacji obserwatorzy naziemni wykazują skłonność do przeszacowywania zachmurzenia chmurami Cumulus(por. rozdział 1). Ponieważ jakpokazujeżmudzka(27) nadobszarempolskichmurtychwnocy jest niewiele i do tego w ciągu roku występują z równą częstością, przeszacowanie stopnia zachmurzenia ze względu na obecność Cumulus nie powinna występować. Znajduje to potwierdzenie w stabilności różnicy stopnia zachmurzenia nocą między SYNOP i MODIS. Znacznie większa częstość Cumulus w ciągu dnia i latem powinna prowadzić do zawyżania ocen zachmurzenia ogólnego przez SYNOP. Ryc. 5.5 sugeruje, że sytuacja taka miała miejsce: od stycznia do czerwca, w ślad za wzrostem częstości chmur Cumulus w ciągu dnia, przeszacowanie zachmurzenia przez SYNOP stawało się coraz większe i z czasem doprowadziło do zniwelowania rozbieżności MODISSYNOP, a w lecie do wykazywania wyższego zachmurzenia przez SYNOP. Od sierpniawrześnia do końca roku wraz ze spadkiem częstości występowania chmur Cumulus malało również przeszacowanie zachmurzenia przez SYNOP, a tym samym różnica MODISSYNOP znów stawała się dodatnia. Roczny cykl ilościowej i jakościowej zmiany zachmurzenia zdecydował również o wartościach N w poszczególnych miesiącach. Wg Żmudzkiej(27) ciepła połowa roku(szczególnie lato) cechuje się mniejszym zachmurzeniem, rzadziej występują sytuacje z niebem całkowicie zachmurzonym. Jak pokazały wyniki tego opracowania, N=8 oktantów było sytuacją odpowiadającą za 9% idealnie zgodnych ocen MODISSYNOP. Zaobserwowany spadek częstości występowania nieba całkowicie zachmurzonego, prowadził do wzrostu częstości występowania różnic N %. Jednoczesna zmiana struktury zachmurzenia, w której jedną trzecią zaczęły latem stanowić chmury Cumulus, spowodowała częstsze występowania różnic ujemnych, gdyż obserwatorzy naziemni przeszacowywali zachmurzenie chmurami tego rodzaju. Znalazło to wyraz we wzroście zakresu zmienności oraz w spadku bezwzględnej różnicy N. Wzrost zgodności obserwacji MODIS i SYNOP latem jest więc efektem 119

120 nie tyle faktycznej zbieżności ocen, co rezultatem nakładania się błędów obydwu metod, prowadzącego w tym przypadku do minimalizacji N Rozbieżności w kontekście pięter i rodzajów chmur Porównanie ocen zachmurzenia dla chmur tylko jednego piętra i tylko jednego rodzaju(gdy było to możliwe) wykazało, iż MODIS w większości przypadków wykazuje wyższe zachmurzenie. Wyjątkiem były chmury Cumulus oraz chmury piętra wysokiego w ciągu dnia. Rozbieżność dla Cumulus i jej charakter potwierdzają przeszacowanie zachmurzenia przez obserwatorów naziemnych ze względu na geometrię obserwacji. Powód, dla którego obserwatorzy wskazują wyższe zachmurzenie chmurami piętra wysokiego (Cirrus/Cirrocumulus/Cirrostratus) w ciągu dnia jest natomiast niejasny. Ujemna wartość N implikuje dwie możliwości. Pierwsza: SYNOP poprawnie określa wielkość zachmurzenia chmurami piętra wysokiego, a MODIS zachmurzenie to znacząco zaniża. Druga: bliżej poprawnej informacji o zachmurzeniu w piętrze wysokim jest MODIS, a wartość tę istotnie zawyża SYNOP. Specyfika sensora MODIS pozwala uważać go za instrument czuły na obecność chmur lodowych w górnej atmosferze(ackerman i in. 1998, Frey i in. 28). Można przyjąć, że nawet jeśli MODIS pomija część chmur piętra wysokiego, to takie sytuacje będą miały miejsce częściej nocą niż w ciągu dnia, gdy dostępna jest informacja w zakresie bliskiej podczerwieni. Można przypuścić, że możliwości MODIS w zakresie detekcji chmur wysokich w ciągu dnia i nocy są zbliżone. W takiej sytuacji, wyraźna zmiana N między dniem a nocą powinna być przypisana obserwacjom SYNOP. Wyższa ocena zachmurzenia chmurami wysokimi przez SYNOP w ciągu dnia może wynikać z geometrii obserwacji właściwości optycznych Cirrus. Chmury pierzaste występują na dużej wysokości, dzięki czemu mogą być widoczne na większą odległość, niż np. Cumulus. Mają przy tym małą grubość optyczną, rosnącą ze wzrostem kąta obserwacji. Wzrost kąta zenitalnego Cirrus, powinien teoretycznie zwiększać szanse wizualnej detekcji. Chmury znajdujące się bliżej horyzontu, czyli dalej od miejsca obserwacji, byłyby wtedy łatwiejsze do wykrycia, jeśli zaniedbać rozpraszanie atmosferyczne promieniowania. Przyjmując dane MODIS za poprawne i referencyjne, można próbować weryfikować tę hipotezę, biorąc pod uwagę zarówno odległość do chmur Cirrus oraz zmienny promień reprezentatywności. Temat ten będzie podjęty w ramach przyszłych badań. Na chwilę obecną nie są znane autorowi żadne inne opracowania, które porównując dane satelitarne i naziemne w swej 12

121 szczegółowości schodziłyby do poziomu pięter zachmurzenia, a tym bardziej poszczególnych rodzajów chmur. Z tego względu trudno odnieść uzyskane wyniki do innych opracowań. Jakakolwiek byłaby przyczyna wyższej oceny zachmurzenia chmurami Cirrus przez SYNOP, warto zauważyć, iż średnie roczne zachmurzenie chmurami piętra wysokiego nad Polską jest niewielkie, około 79% wg danych ISCCP(Rossow i Gardner 1993). Dodatkowo, chmury Cirrus występują samodzielnie jedynie w 8% przeanalizowanych obserwacji. Powoduje to, że wielkość N odpowiadająca chmurom piętra wysokiego nie ma dużego wpływu na ogół zgodności obserwacji MODIS i SYNOP, tym bardziej, że średnie dzienne N=13,5% jest równoważone przez średnie nocne N=11,2%, w efekcie czego ogólna różnica dla chmur piętra wysokiego jest mniejsza niż N=,1%. Decydujące są zatem obserwacje dla chmur pozostałych pięter, a tu MODIS zdecydowanie wskazuje na wyższe zachmurzenie niż dane SYNOP Znaczenie charakteru tła dla obserwacji satelitarnej Badania pokazały większe N dla stacji, w których otoczeniu znajdowały się jeziora, rzeki i linia brzegowa Bałtyku. Te typy pokrycia terenu są wspólnie zaliczane przez algorytm detekcji chmur MODIS do jednej klasy podłoża wybrzeże ( coast ). Porównanie satelitarnych i naziemnych ocen zachmurzenia zakładało uśrednienie informacji MODIS dla koła o promieniu 3 km wokół stacji meteorologicznej. Spowodowało to jednoczesne uśrednienie wielkości zachmurzenia nad podłożem typu wybrzeże z innymi typami( ląd lub morze ). Ponieważ dane MODIS dostępne są również w postaci wysokorozdzielczych map zachmurzenia, możliwe jest zweryfikowanie poprawności oceny zachmurzenia przez MODIS nad podłożem typu wybrzeże. W tym celu wybrane zostały trzy przypadki: Nizina Szczecińska(ryc. 5.6), Kotlina Warszawska(ryc. 5.7), Pojezierze Mazurskie(ryc. 5.8). Z grona analizowanych stacji pod względem średnich N najbardziej wyróżniało się Świnoujście(ryc. 5.6). Mapa średniego zachmurzenia ogólnego zwraca uwagę pasem wybrzeża, dla którego zachmurzenie jest o 12 punktów procentowych wyższe niż dla terenów otaczających(profil AB). Zawyżanie N jest szczególnie silne nocą, kiedy sięga nawet 3 punktów procentowych, podczas dnia malejąc do około 5 punktów procentowych. Nie są dostrzegalne wyraźne różnice w wartości N między sąsiadującymi ze sobą obszarami lądowymi i morskimi, co pozwala przyjąć, iż w obydwu przypadkach MODIS wykrywa chmury z porównywalną dokładnością. Profil CD przecina obszar miejski(szczecin) i wodny(jezioro Dąbie). W przy 121

122 Ryc Średnie roczne wieloletnie(2325) zachmurzenie ogólne nad Nizimą Szczecińską, wg obserwacji MODIS. Mapom zachmurzenia(po lewej) towarzyszą mapy wskazujące obszar, który algorytm detekcji chmur uznaje za wybrzeże oraz zgeneralizowana mapa referencyjna, wg Corine Land Cover 2(EEA 21) wskazująca faktyczne położenie miast i obszarów wodnych 122

123 padku jeziora, również oznaczonego jako tło typu wybrzeże, uwidacznia się tendencja zawyżania N, podobnie jak w sytuacji Świnoujścia. Natomiast nad obszarem miasta zachmurzenie jest w ciągu dnia o 68 punktów procentowych wyższe niż nad otaczającymi je terenami(tło ląd ), nocą o 23 punkty procetowe niższe. Gdy obserwacje dzienne i nocne potraktować wspólnie, N nad Szczecinem nie wyróżnia się na tle otoczenia. Szczecin w algorytmie detekcji chmur MODIS jest traktowany w identyczny sposób jak obszary z tłem lądowym. W odmienny sposób traktowana jest natomiast Warszawa, której część została potraktowano jako tło typu pustynia. Zachmurzenie nad Warszawą jest w ciągu dnia wyższe, niż nad otaczającym ją terenie i wzrasta od około N=7% na obrzeżach do N=8% w ścisłym centrum (ryc. 5.7). O około 34 punkty procentowe niższe zachmurzenie nad miastem występuje natomiast nocą, co daje w efekcie około 15 punktów procentowych różnicy między dniem i nocą, podczas gdy dla terenów pozamiejskich analogiczna różnica nie przekracza 5 punktów procentowych. Mapy zachmurzenia nie wykazują pozytywnego ani negatywnego wpływu oznaczenia tła jako pustynia na wielkość N i to pomimo niepokrywania się z rzeczywistym położeniem zwartej zabudowy centrum Warszawy. W zachodniej części profilu GH można zauważyć dwa mniejsze obszary, wykazujące podobne odchylenia od średniej wartości zachmurzenia dla otoczenia(żyrardów i Grodzisk Mazowiecki). W ciągu dnia zachmurzenia jest nad nimi o 4 punkty procentowe wyższe, niż nad obszarami pozamiejskimi, w nocy o tyle samo niższe. W danych sumarycznych dla dnia i nocy zarówno Warszawa, Żyrardów i Grodzisk Mazowiecki nie wyróżniają się na tle otoczenia. Ryc. 5.7 ilustruje również, w jaki sposób na wyznaczenie N rzutuje tło wybrzeże przypisane do rzeki. Zachmurzenie nad Wisłą jest wyższe, średnio o około 1 punktów procentowych w stosunku do obszarów otaczających, co wynika głównie zprawie2punktówprocentowychróżnicynocą.wciągudniannadrzekąinad sąsiednimi obszarami lądowymi jest porównywalne. Profile EF i GH przecinają zbiorniki wodne, odpowiednio Zalew Włocławski i Zalew Zegrzyński. W obydwu przypadkach obserwowana jest identyczna tendencja jak nad rzekami i wybrzeżem morskim. Wpływ tła obserwacji typu wybrzeże przypisanego do jezior na ocenę zachmurzenia uwidacznie się najbardziej w regionie Pojezierza Mazurskiego. Ryc. 5.8 przedstawiastacjeolsztyn(profilij)imikołajki(profilkl),zktórychdrugamawswym otoczeniu całe Jezioro Śniardwy(16% otoczenia stacji). Nocą nad Śniardwami zachmurzenie było większe o około 1 punktów procentowych niż nad terenami otacza 123

124 Ryc Średnie roczne wieloletnie(2325) zachmurzenie ogólne nad Kotliną Warszawską, wg obserwacji MODIS. Mapom zachmurzenia(po lewej) towarzyszą mapy wskazujące obszar, który algorytm detekcji chmur uznaje za wybrzeże oraz zgeneralizowana mapa referencyjna, wg Corine Land Cover 2(EEA 21) wskazująca faktyczne położenie miast i obszarów wodnych 124

125 Ryc Średnie roczne wieloletnie(2325) zachmurzenie ogólne nad Pojezierzem Mazurskim, wg obserwacji MODIS. Mapom zachmurzenia(po lewej) towarzyszą mapy wskazujące obszar, który algorytm detekcji chmur uznaje za wybrzeże oraz zgeneralizowana mapa referencyjna, wg Corine Land Cover 2(EEA 21) wskazująca faktyczne położenie miast i obszarów wodnych 125

126 jącymi, jednak tak duża różnica cechowała głównie pas rzeczywistej linii brzegowej, podczas gdy zachmurzenie nad centralną częścią jeziora było w najgorszym razie o 23punktyprocentowewyższeniżnadlądem,awięcniższeniżdlapasaliniibrzegowej o około 78 punktów procentowych. W ciągu dnia, nad centralną częścią tafli jeziora zachmurzenie było do 5 punktów procentowych wyższe niż nad lądem i stopniowozrównywałosięznim,idącwkierunkuliniibrzegu.takjakwprzypadkutła wybrzeże dla rzek i wybrzeża morskiego, na średnim zachmurzeniu ogólnym zaważyły głównie obserwacje nocne, powodując ogólną wyższą ocenę zachmurzenia nad powierzchnią wody niż nad lądem. Analogiczna sytuacja ma miejsce w przypadku Jeziora Mamry. Podobnych przykładów lokalnego zawyżania/zaniżania zachmurzenia nad rzekami, jeziorami i miastami w stosunku do stopnia zachmurzenia nad terenami sąsiadującymi można wskazać wiele, bez względu na to, czy dana lokalizacja była zaznaczona jako wybrzeże lub pustynia przez algorytm detekcji chmur MODIS, czy też nie. Ogólnie, obszary miejskie charakteryzuje wyższe zachmurzenie w ciągu dnia, któremu towarzyszy porównywalne niższe zachmurzenia nocą, w efekcie czego dla obserwacji dziennych i nocnych traktowanych wspólnie, obszary miast generalnie się nie wyróżniają. Przeciwna prawidłowość cechuje rzeki i jeziora, które charakteryzuje ogólnie wyższe zachmurzenie, wynikające z bardzo dużego zawyżania stopnia zachmurzenia nocą, w stosunku do terenów otaczających. Biorąc pod uwagę przedstawione przypadki wpływu podłoża na detekcję chmur oraz wyniki zaprezentowane w rozdziale 3, można stwierdzić, że w przypadku wybrzeża Bałtyku obecna wersja algorytmu detekcji chmur MODIS generuje błędy. Wybrzeże morskie pełni rolę granicy, między morskim/oceanicznym i lądowym typem zachmurzenia przy pewnych sytuacjach synoptycznych, jednak trudno wskazać proces fizyczny, który odpowiadałby za powstawanie 89% zachmurzenia nocą (przy 67% w ciągu dnia), tylko i wyłącznie wzdłuż linii brzegowej. Odpowiedź na pytanie, czy błędne są również wskazania MODIS nad jeziorami jest trudniejsze, gdyż środowisko atmosferyczne nad zbiornikami wodnymi może być modyfikowane wpływem masy wodnej. Prace poruszające zagadnienie wpływu zbiorników wodnych(sztucznych i naturalnych) na zachmurzenie, dotyczące obszaru Polski(np. Matuszko 25, Hess i in. 1981, Okołowicz 1967), nie pozwalają rozstrzygnąć problemu z prostego powodu dotyczą obserwacji dziennych, do tego o typowej dla danych SYNOP małej rozdzielczości przestrzennej. Sytuację dodatkowo komplikuje fakt, że wyższe zachmurzenie nad jeziorami i rze 126

127 kami jest najbardziej widoczne latem, przy małym średnim zachmurzeniu. Można sobie wyobrazić sytuację, w której duże różnice temperatury powietrza między dniem i nocą prowadzą do powstawania nocnych mgieł nad powierzchnią jezior i w ich najbliższym otoczeniu. MODIS mógłby wtedy obserwować większe zachmurzenie ze względu na obecność mgieł. Jednak jeśli wyższe szacunki zachmurzenia są efektem błędu algorytmu, to błąd ten będzie uwidaczniał się również głównie w porze letniej, ponieważ zimą, przy dużym zachmurzeniu, chmury będą równie często(poprawnie) stwierdzane wszędzie wokół jezior i rzek, a tym samym różnica stanie się mało widoczna. Argumentem za błędem algorytmu jest jednoczesne stwierdzanie dużego zachmurzenia nad linią brzegową Bałtyku i nad jeziorami i rzekami. Algorytm detekcji chmur dla wszystkich tych obszarów wykonuje ten sam zestaw testów i jeżeli w tej samej sytuacji synoptycznej dają one fałszywe wyniki dla wybrzeża Bałtyku, to jest bardzo prawdopodobne, iż błędne będą również szacunki dla jezior i rzek. Przemawiają za tym stwierdzone rozbieżności w ocenie zachmurzenia dla stacji Mikołajki(region Jeziora Śniardwy) były wyraźnie większe niż dla innych stacji Polski nizinnej, nie znajdujących się w sąsiedztwie zbiorników wodnych czy Bałtyku. Przykład błędnej nocnej obserwacji MODIS zilustrowano na ryc Przedstawia ona temperaturę radiacyjną na górnej granicy atmosfery w zakresie λ=11 µm oraz korespondujące z tym obrazem wyniki klasyfikacji danych MODIS do postaci maski chmur. Wizualna ocena obrazu termalnego pozwala stwierdzić niebo bezchmurne nad większością Polski. Tymczasem MODIS w wielu miejscach wskazuje na niepewność co do obecności chmur, sugerując brak zachmurzenia w miejscach, w których onojest,jakrównieżobecnośćchmurtam,gdzieichniema.ze1%pewnością stwierdzone są chmury nad rzekami, niektórymi jeziorami i nad linią brzegową Bałtyku. Występowanie takich błędów mogło mieć wpływ na wystąpienie dodatnich różnic MODISSYNOP przy N= oktantów, wskazywanym przez obserwatorów naziemnych. Obserwacje MODIS wykazały również wyższe do 1 punktów procentowych zachmurzenienadmiastamiwciągudniaiotylesamoniższewciągunocy.ponieważ miasto wpływa na środowisko atmosferyczne, obserwowana zmienność zachmurzenia może być procesem naturalnym. Zmiany zachmurzenia ze względu na obecność zabudowy miejskiej badała na przykładzie Warszawy KossowskaCezak(1978). Porównując dzienne wizualne oceny zachmurzenia na trzech stacjach, w tym jednej w centrum miasta, jednej w strefie podmiejskiej, wykazała, iż zachmurzenie nad 127

128 CLD UNC PCL CLR BT : 4 5 C 11 Ryc Przykład błędnej detekcji chmur nocą przez wersję 5. algorytm MODIS miastemwskalirokujesto,3oktanta(34punktyprocentowe),wyższeniżwstrefie podmiejskiej. MODIS wskazywał na różnicę 1 punktów procentowych, a więc znacząco większą. Trzeba jednak pamiętać, iż dane MODIS ze względu na wysoką rozdzielczość, dotyczyły ściśle samego centrum miasta, podczas gdy materiał wykorzystany przez KossowskąCezak(1978) miał charakter ocen wizualnych, z natury uśredniających zachmurzenia nad większym obszarem. Jeśli dane MODIS zostaną uśrednione w promieniu 5 km wokół stacji wykorzystanych przez KossowskaCezak, różnica miastoteren podmiejski wynosi 2,8% i maleje do 1,1% dla promienia 1 km. Przypadek Warszawy pokazuje, że nie można wykluczyć naturalnego charakteru różnic obserwowanych przez MODIS nad miastami, choć na tym etapie wyniki obserwacji satelitarnych należały traktować z dużą ostrożnością, gdyż mogą równie dobrze być efektem błędów algorytmu detekcji chmur. Za błędem algorytmu przemawiał fakt, iż różnice obserwowano także nad stosunkowo niewielkimi miastami, a rozkład przestrzenny różnic silnie nawiązywał do układu zabudowy. Niestety, brak jest informacji pozwalających stwierdzić, czy tak małe miasta są w stanie na tyle 128

129 silnie modyfikować warunki ogólnocyrkulacyjne, by w efekcie zachmurzenie nad ich obszarem różniło się o kilka procent od otoczenia. Błędy w ocenie zachmurzenia nad jeziorami, rzekami, pasem wybrzeża Bałtyku oraz prawdopodobnie obszarami miejskimi, każe traktować dane MODIS dla tych terenów z rezerwą. Ponieważ znana jest lokalizacja miejsc wystąpienia błędów i lokalizacje te są niezmienne w czasie, możliwe jest opracowanie metody korekcji błędów znane są poprawne wielkości zachmurzenia wokół problematycznych obiektów, jak również znana jest poprawna wielkość zachmurzenia nad samymi obiektami w ciągu dnia. Korzystając z tych informacji możliwe jest przypisanie wielkości zachmurzenia, które można by uznać za bardziej wiarygodne. Minusem takiego podejścia jest jednoczesna eliminacja ewentualnego rzeczywistego wpływu tych obiektów na stosunki nefologiczne. Zastosowanie oryginalnych lub korygowanych danych MODIS do badań w skali lokalnej musi brać pod uwagę czynniki potencjalnie obniżające wiarygodność danych w takiej skali czynniki te zostały wskazane w tej pracy, wraz z szacunkiem błędu w ocenie zachmurzenia, jaki za sobą pociągają. Wykorzystanie nieskorygowanych danych MODIS, tj. w postaci, w jakiej zostały one opisane w tej pracy, możliwe jest bez większych zastrzeżeń do wyznaczania średniego zachmurzenia nad dużymi obszarami(np. całą Polską). W takim ujęciu, procentowy udział terenów obarczonych błędem jest niewielki w stosunku do całego badanego obszaru Znaczenie obecności pokrywy śnieżnej Szczególnym przypadkiem podłoża, nad którym MODIS obserwowuje chmury, jest śnieg. Ponieważ obecność śniegu nie ma wpływu na wynik obserwacji naziemnej, zmianę różnicy w ocenie zachmurzenia MODISSYNOP można w całości przypisać obserwacji satelitarnej. Wyniki badań pokazały dwie przeciwne tendencje: w ciągu dnia obecność śniegu prowadziła do zwiększenia N, nocą natomiast do zmniejszenia. Większe N w przypadku obserwacji dziennych, gdy całe 3 km otoczenie stacji było pokryte śniegiem, może być w najprostszy sposób wytłumaczone klasyfikowaniem części zaśnieżonych pikseli jako chmur. Prowadziłoby to do wzrostu zachmurzenia według MODIS przy niezmiennym szacunku dla SYNOP. Jednakże stwierdzona zależność N od obecności pokrywy śnieżnej może wynikać również z czynników cyrkulacyjnych i związanych z nimi wielkością i strukturą zachmurzenia. Większa zgodność MODISSYNOP została zaobserwowana dla obserwacji bez pokrywy śnieżnej, 129

130 a więc obserwacji, które wykonane zostały głównie w ciepłej połowie roku. Mniejsza zgodność miała miejsce gdy występowała pokrywa śnieżna, a więc w miesiącach zimowych. Jak zostało już pokazane, miesiące letnie cechowała lepsza zgodność obserwacji MODIS i SYNOP ze względu na błędy tych drugich przy ocenie często występujących latem chmur Cumulus. Różnica N między latem a zimą to około 5 punktów procentowych, mniej więcej tyle, ile między N dla dziennych obserwacji nad śniegiem i nad podłożem bezśnieżnym. W analogiczny sposób można tłumaczyć różnicę dla obserwacji nocnych, przy czym tym razem obecność pokrywy śnieżnej redukuje N o około 5 punktow procentowych. Rozbieżności nocą w miesiącach letnich(brak śniegu) były większe, niż nocą w miesiącach zimowych(pokrywa śnieżna). Różnica ta wynosiła około 2 punkty procentowe, zatem nie wyjaśnia to całej rozbieżności. Znaczenie mogła mieć poprawnośćdetekcjichmurnocąnadśniegiem.jakpokazałypraceshiiin.(27)iliu i in.(24) MODIS wykazuje tendencję do gubienia chmur w warunkach nocy polarnej. Choć ich prace dotyczyły środowiska arktycznego i nie można ich wprost ekstrapolować na atmosferę strefy umiarkowanej, można sądzić, iż algorytm detekcji chmur może popełniać analogiczne błędy w przypadku Polski. Wiąże się to m.in. z rodzajem informacji poddawanej klasyfikacji w ciągu dnia do dyspozycji jest zakres 1,6 µm pozwalający na wiarygodne odróżnienie chmur od śniegu. Nocą MODIS posiłkuje się zewnętrzną informacją o lokalizacji śniegu, która jest mało dokładna i prowadzi do błędów w klasyfikacji obrazów w podczerwieni. Przykładem błędnej detekcji chmur jest obserwacja MODIS z 2 lutego 23 (ryc. 5.1). Każda mapa odpowiada jednemu z czterech dostępnych dla tego dnia zobrazowań MODIS. Obserwacje nocne(ryc. 5.1A i 5.1D) wykazują artefakty rozpoznawalne jako obszary o wymiarach km(lub wielokrotności tej wartości). Obszar km jest pikselem rastra wykorzystywanym przez algorytm MODIS jako zewnętrzna informacja o obecności śniegu w danym regionie świata. Wskazanie śniegu powoduje zrealizowanie dla każdego chwilowego pola widzenia MODIS odrębnej ścieżki algorytmu. Rozdzielczość zewnętrznej maski śniegu jest zbyt mała, by odzwierciedlić faktyczne zróżnicowanie przestrzenne pokrywy śnieżnej. Większym problemem jest jednak błędny rezultat detekcji chmur chwilowe pola widzenia, dla których realizowana jest śnieżna ścieżka algorytmu oraz chwilowe pola widzenia realizujące ścieżkę dla lądu bez pokrywy śnieżnej, dają krańcowo odmienne rezultaty. Znajduje to odbicie w nagłych i nienaturalnych granicach stref zachmurzenia, pokrywających się z maską śniegu. Problem ten nie dotyczy obserwacji dziennych 13

131 A :15 UTC (MODIS/Aqua) B :45 UTC (MODIS/Terra) C :25 UTC (MODIS/Aqua) D :55 UTC (MODIS/Terra) Ryc Maski chmur MODIS, interpretowane wg założeń pracy, dla przelotów MODIS TerraiAqua2lutego23roku.AiD obserwacjenocne (ryc. 5.1B i 5.1C). Jak wspomniano wyżej, w czasie ich wykonywania dostępna jest informacja w zakresie promieniowania krótkofalowego 1,61,7 µm, pozwalająca na poprawne odróżnienie śniegu od chmur, bez konieczności użycia zewnętrznej informacji o pokrywie śnieżnej. Błędy detekcji nocnej dla poszczególnych przelotów kumulują się w skali miesięcznej i są dostrzegalne dla średniej z obserwacji dziennych i nocnych łącznie. Przykładem takiej sytuacji był luty 23(ryc. 5.11). W przestrzennym rozkładzie zachmurzenia bardzo wyraźnie zaznaczyły się wtedy nienaturalne granice między strefami o różnym stopniu zachmurzenia. Wielkość skokowej zmiany zachmurzenia zależyodczęstości,zjakąalgorytmpopełniałbłądwdanymmiejscu możewynosić od 115 punktów procentowych(profil AB), nawet do około 4 punktów procentowych(profil EF). Ostatnia wartość odnosi się do Obwodu Kaliningradzkiego, na obszarze którego zewnętrzna maska śniegu dla algorytmu MODIS błędnie wskazuje wystąpienie pokrywy śnieżnej nawet latem. Analogiczna sytuacja nie miała natomiast miejsca nigdzie na terenie Polski. 131