Förderprojekte

Förderbeginn 01.01.2015

Implementierung einer neuartigen Gridding-Methode zur Verbesserung des NASA OMI NO2 Datenprodukts

Prof. Dr. Mark Wenig
Ludwig-Maximilians-Universität München
Fakultät für Physik - Meteorologisches Institut

Prof. Dr. Ronald Cohen
University of California, Berkeley
Berkeley Atmospheric Science Center

Dr. Eric Bucsela
SRI International
SRI International Physical Sciences

Der Einsatz von globalen Satellitenmessungen von atmosphärischen Schadstoffen zur Untersuchung von Verteilungen auf regionalen Skalen erfordert eine verbesserte räumliche Auflösung. Die Kollaboration zwischen dem Meteorologischen Institut der LMU und der Atmosphärenchemieforschungsgruppe an der University of California Berkeley hat das Ziel das NO₂-Datenprodukt des NASA Ozone Monitoring Instruments (OMI) zu verbessern. OMI hat eine maximale räumliche Auflösung von 13km x 24km und die Daten werden typischerweise auf ein 0.25° x 0.25° Gitter abgebildet. Um allerdings Prozesse auf einer regionalen Skala zu untersuchen, sind höhere Auflösungen nötig. Geplante Optimierungen des Auswertealgorithmus beinhalten die Verwendung von aktualisierten Zusatzinforma-tionen, die für den Auswertealgorithmus benötigt werden, wie z.B. NO₂ und Aerosol Profilinformationen von regionalen chemischen Transportmodellsimulationen, sowie Bodenalbeden und Bodendrücke von anderen Satelliteninstrumenten mit einer höheren Auflö-sung, aber auch die Verwendung eines neuen Griddingalgorithmus, der auf Histopolationsmethoden beruht und so eine realistischere und detailreichere NO₂ Verteilungen erzeugen kann, so dass z.B. Städte oder Industriegebiete besser untersucht werden können.

Abschlussbericht
Das Ziel dieses Projektes war es, das hochaufgelöste Berkeley NO2 Datenprodukt (BEHR)von Prof. Cohen’s Forschergruppe, mit dem neuen Gridding-Algorithmus, der in der Gruppe von Prof. Wenig entwickelt wurde, zu verbinden. Der BEHR Algorithmus verwendet Bodendaten und Profilinformationen mit einer höheren Auflösung als der operationelle Auswertealgorithmus um die räumliche und saisonale Variabilität dieser Parameter zu berücksichtigen, die signifikanten Einfluss auf die sich ergebenden NO2 Säulendichten haben. Dieses Verfahren produziert einen Datensatz, der räumlich höher aufgelöst ist, als es die OMI Messungen alleine erlauben würde. Um diese Kombination aus OMI Messungen und Zusatzinformationen effizient zu implementieren, wurde ein neu entwickelter Gridding-Algorithmus verwendet, der die OMI Daten auf ein feineres Gitter interpoliert, gleichzeitig aber die Messwerte reproduziert, wenn über die Bodenpixel integriert wird. Dieser Prozess nennt sich Histopolation und erlaubt es NO2 Konzentrationskarten zu erstellen, die mehr räumliche Details und Strukturen darstellen können.