Evaluation of all-sky reconstructed radiance assimilation for hyperspectral infrared sounders

Die Wettervorhersagen, auf die wir uns jeden Morgen verlassen, basieren auf einem Fundament aus Daten, die aus dem Weltraum gesammelt werden. Hoch oben über der Erde kreisende Satelliten tragen Instrumente, die wie riesige, empfindliche Augen wirken und die Wärmestrahlung messen, die von der Erdoberfläche und der Atmosphäre abgestrahlt wird. Diese Instrumente, bekannt als hyperspektrale Infrarot-Sounder, machen nicht einfach nur ein einzelnes Bild; sie spalten das Licht in tausende winzige Farbbänder auf und erstellen so einen detaillierten chemischen Fingerabdruck der Luft darunter. Diese Information ist entscheidend für die Vorhersage von Stürmen, das Verfolgen von Feuchtigkeit und das Verständnis von Temperaturveränderungen in verschiedenen Höhen. Die schiere Menge an Daten, die diese Satelliten jedoch generieren, ist überwältigend. Um all dies sinnvoll nutzbar zu machen, verwenden Wissenschaftler leistungsstarke Computer, um diese Rohmessungen in Wettermodelle zu übersetzen. Eine große Herausforderung bestand bisher darin, diesen massiven Datenstrom zu bewältigen, ohne wichtige Details zu verlieren oder die Computer, die die Vorhersagen berechnen, zu verlangsamen.

Jahrelang haben Wissenschaftler diese Satellitenmessungen erfolgreich genutzt, jedoch meist nur dann, wenn der Himmel klar war. Wolken stellten traditionell eine Barriere dar, da sie das Licht streuen und die Daten schwer interpretierbar machen. In den letzten Jahren haben Forscher bedeutende Fortschritte dabei gemacht, Daten auch bei vorhandener Bewölkung zu nutzen, eine Technik, die als „All-Sky“-Assimilation bezeichnet wird. Dies hat die Vorhersagen verbessert, stützte sich jedoch auf die Verwendung der ursprünglichen Rohdaten der Satelliten. Da diese Rohdaten so groß sind, gibt es einen wachsenden Bedarf, sie in eine kleinere, handhabbarere Form zu komprimieren, ohne die wesentlichen Informationen zu verlieren. Hier kommt eine Methode namens „rekonstruierte Strahlung“ (reconstructed radiance) ins Spiel. Anstatt jede einzelne Rohmessung zu senden, können Wissenschaftler einen mathematischen Prozess nutzen, um die Daten aus einem kleineren Satz von Schlüsselkomponenten wieder aufzubauen. Die große Frage für Meteorologen war, ob diese komprimierten, rekonstruierten Daten genauso gut funktionieren würden wie die Originaldaten, insbesondere beim Blick durch die Wolken hindurch.

Ein Team von Forschern der Japan Meteorological Agency und der University of Tokyo setzte sich zum Ziel, diese Frage zu beantworten. Sie wollten wissen, ob sie diese rekonstruierten Daten nutzen könnten, um Wettervorhersagen unter allen Bedingungen zu verbessern, einschließlich bewölkter Bedingungen, ohne die komplexen Computersysteme, die sie bereits verwenden, ändern zu müssen. Sie konzentrierten sich auf Daten des Infrared Atmospheric Sounding Interferometer, eines hochentwickelten Instruments auf polumlaufenden Satelliten, das Wärme über tausende Kanäle misst. Das Team führte eine Reihe von Experimenten unter Verwendung eines globalen Wettervorhersagesystems durch und verglich Vorhersagen, die mit den ursprünglichen Rohdaten erstellt wurden, mit solchen, die mit den rekonstruierten Daten erstellt wurden. Sie testeten diese Methoden in zwei Szenarien: erstens beim Blick auf nur klare Himmel und zweitens beim Blick durch die Atmosphäre bei Bewölkung.

Als sie sich die Ergebnisse bei klarem Himmel ansah, zeigten die rekonstruierten Daten in einem spezifischen Bereich einen deutlichen Vorteil: Sie waren viel „sauberer“. Die Rohdaten der Satelliten enthalten eine gewisse Menge an zufälligem Rauschen, vergleichbar mit dem Rauschen eines Radios, was die Messungen von Temperatur und Feuchtigkeit leicht unruhig machen kann. Der Rekonstruktionsprozess glättet dieses Rauschen effektiv. Die Forscher fanden heraus, dass der Unterschied zwischen dem, was der Satellit sah, und dem, was das Computermodell vorhersagte, für die meisten Kanäle deutlich kleiner wurde. Das bedeutete, dass die Daten konsistenter waren. Als sie diese saubereren Daten jedoch tatsächlich zur Durchführung von Wettervorhersagen verwendeten, waren die Ergebnisse überraschenderweise neutral. Die Vorhersagen wurden nicht signifikant besser oder schlechter im Vergleich zur Verwendung der ursprünglichen Rohdaten. Dies deutet darauf hin, dass die Computermodelle das Rauschen der Rohdaten bereits gut genug handhaben konnten, sodass die zusätzliche Reinigung die endgültige Wettervorhersage nicht wesentlich veränderte.

Die Geschichte änderte sich leicht, als die Forscher ihre Aufmerksamkeit auf bewölkte Himmel richteten. In der realen Welt sind Wolken chaotisch und unvorhersehbar, und sie führen eine andere Art von Unsicherheit ein, die nichts mit dem Rauschen des Instruments zu tun hat. Als das Team die rekonstruierten Daten unter All-Sky-Bedingungen testete, verschwand die Rauschreduzierung, die bei klarem Himmel beobachtet worden war. Der Unterschied zwischen dem Satelliten und dem Modell blieb etwa so groß wie bei den ursprünglichen Daten. Dies ist logisch, da die Hauptfehlerquelle unter bewölkten Bedingungen die Schwierigkeit ist, die Wolken selbst zu modellieren, und nicht das Rauschen des Instruments. Entscheidend war, dass die Forscher entdeckten, dass sie exakt dieselben Computereinstellungen und Fehlerbehandlungsregeln für die rekonstruierten Daten verwenden konnten, die sie auch für die Originaldaten verwendeten. Sie mussten keine neuen Methoden erfinden oder zusätzliche Komponenten hinzufügen, um das System zum Laufen zu bringen.

Die vielversprechendste Erkenntnis ergab sich, als sie sich auf spezifische Kanäle konzentrierten, die Wasserdampf in der mittleren und oberen Atmosphäre messen. Als sie die rekonstruierten Daten für diese spezifischen Kanäle unter All-Sky-Bedingungen assimilierten, verbesserten sich die Wettervorhersagen signifikant. Die Ergebnisse zeigten einen klaren positiven Effekt, insbesondere bei der Vorhersage der Feuchtigkeit in der mittleren Troposphäre, einer Schicht der Atmosphäre, die für die Entwicklung von Stürmen entscheidend ist. Die Verbesserung war ebenso stark wie bei der Verwendung der ursprünglichen Rohdaten für dieselben Kanäle. Dies legt nahe, dass die rekonstruierten Daten ein praktikabler Ersatz für die Originaldaten sind, selbst unter den anspruchsvollsten Wetterbedingungen.

Die Studie kommt zu dem Schluss, dass die derzeit verwendeten Techniken, um Rohsatellitendaten in Wettermodelle einzuspeisen, direkt auf diese rekonstruierten Daten angewendet werden können. Dies ist ein entscheidender Befund für die Zukunft der Wettervorhersage. Da Satelliten immer fortschrittlicher werden und noch größere Mengen an Daten generieren, wird die Fähigkeit, diese Daten zu komprimieren, ohne ihren Wert zu verlieren, essenziell werden. Die Forscher fanden heraus, dass sie für bewölkte Himmel keine komplexeren Versionen des Rekonstruktionsprozesses benötigen als für klaren Himmel. Obwohl es noch einige kleine technische Fragen zu klären gibt, wie zum Beispiel die optimale Anpassung des Vertrauens des Computers in die Daten, um die besten Kurzfristprognosen zu erhalten, ist die Kernbotschaft klar: Die komprimierten Daten funktionieren. Sie bieten einen Weg, den massiven Fluss an Satelliteninformationen handhabbar zu halten und gleichzeitig die hohe Qualität beizubehalten, die für eine genaue Wettervorhersage erforderlich ist – um sicherzustellen, dass Meteorologen auch bei wachsenden Datenmengen weiterhin auf diese leistungsstarken Werkzeuge vertrauen können.