API src

Found 1027 results.

Similar terms

s/weather conditions/weather condition/gi

Forschergruppe (FOR) 2416: Space-Time Dynamics of Extreme Floods (SPATE), Teilprojekt: Atmosphärische Ursachen extremer Hochwasserereignisse

Die Ziele dieses Teilprojektes sind das bessere Verständnis der Ursachen extremere Hochwasserereignisse, die Einschätzung möglicher zukünftiger Hochwasserextremereignisse und die Untersuchung der Vorhersagbarkeit dieser Ereignisse. Dies soll aus der Perspektive der Vielzahl beteiligter atmosphärischer Prozesse und ihrer Skalenvielfalt durchgeführt werden. Daher wird dieses Teilprojekt wichtige Beiträge in der Forschergruppe SPATE liefern. Unter diesen generellen Zielen wollen wir folgende Forschungsfragen adressieren: 1. Was sind die großskaligen atmosphärischen Vorbedingungen für extreme Hochwasserereignisse? 2. Welche Prozesse verstärken den Niederschlag und die Niederschlagswirkung regional/lokal und verursachen dadurch extreme Hochwasserereignisse? 3. Was sind die raumzeitliche Variabilität und die Klimazukunft dieser atmosphärischen Faktoren und was sind ihre Antriebsfaktoren im Klimasystem? Die beiden ersten Fragen sollen in der ersten Phase (PH1, Monate 1 bis 36) der Forschergruppe SPATE bearbeitet werden. Die dritte Frage soll in Phase 2 bearbeitet werden. Zusätzlich sollen atmosphärische Felder, wie beispielsweise Niederschlag, und abgeleitete Indikatorzeitserien für andere Teilprojekte auf Basis einer über 100jährigen Reanalyse, meteorologischer Beobachtungen und Klimasimulation bereitgestellt werden. Der Forschungsplan der ersten Phase besteht aus drei Arbeitspaketen. Bevor die meteorologischen Ursachen extremer Hochwasserereignisse systematisch untersucht werden können, ist die Erstellung einer langzeitlichen (hier über 100-jährigen) vier-dimensionalen meteorologischen Referenz notwendig (Arbeitspaket 0). Die Referenz basiert auf aufbereiteten Niederschlagsdaten, raumzeitlich (mit dem Modell COSMO-CLM) verfeinerten (auf 12 km Gitterdistanz) Reanalysen (ERA-20C ab 1901, NOAA/NCEP 20 CR für den Zeitraum 1851 bis 1900). Diese Referenz erlaubt eine robuste Statistik der Hochwasser-Wetterlagen-Beziehungen und des Verfolgens der Feuchte im atmosphärischen System (Arbeitspaket 1). Regionale und lokale den Niederschlag verstärkende Faktoren (wie Bodenfeuchte-Niederschlagswechselwirkung, frontale/orographische Hebung mit/ohne konvektive Aktivität) werden in Arbeitspaket 2 mit konvektionserlaubenden Simulationen (Gitterdistanzen kleiner als 2 km) mit COSMO-CLM untersucht. In der zweiten Projektphase planen wir zwei Arbeitspakete. Ein Paket wird die klimatologischen Antriebsfaktoren und die multi-skalige Vorhersagbarkeit bearbeiten. In einem weiteren Arbeitspaket wird die Entwicklung von Hochwasserereignissen aus meteorologischer Perspektive bis in das Jahr 2100 betrachtet. Dieses Teilprojekt wird extreme Hochwasserereignisse und deren Eigenschaften den multiskaligen atmosphärischen Prozessen zuordnen und wird außerdem die Zuordnung hydrologischer Prozesse in der Forschergruppe SPATE unterstützen.

Der meteorologische Herbst 2024 aus klimatischer Sicht und die Bedeutung für die erneuerbaren Energien Einordnung von Temperatur, Niederschlag, Sonnenscheindauer sowie ein Überblick zur Auslastung erneuerbarer Energien

Der Herbst 2024 war in Sachsen-Anhalt zu warm und startete im September hochsommerlich mit Temperaturen über 30 °C. Er war sonnenscheinreicher und feuchter als im Durchschnitt. Insbesondere der sonnenscheinarme November sorgte für einen schlechten Ertrag bei der Solarenergie. Die Windenergie brachten hingegen gute Erträge, ausgenommen während der ersten Novemberhälfte. Dort waren die Erträge aus Solar- und Windenergie nur gering. Die sehr warme Phase mit wiederholten Heißen Tagen von Ende August setzte sich auch im September fort. Dies führte dazu, dass der September mit einer Monatsmitteltemperatur in Sachsen-Anhalt von 16,5 °C um 2,8 K wärmer war als im Mittel der Referenzperiode von 1961 bis 1990. Auch im Vergleich zum 30-jährigen Mittel von 1991 bis 2020 war der Monat um 2,2 K zu warm. Den Höhepunkt erreichte die Hitzewelle am 04. September als verbreitet neue Monatsrekorde für den September gemessen werden konnten. Die wärmsten sachsen-anhaltischen Orte im DWD-Messnetz waren dabei Demker mit 34,5 °C und Genthin mit 34,4 °C. An den LÜSA-Messstationen in Magdeburg, Halle und Leuna konnten sogar etwas mehr als 36 °C registriert werden. Die höheren Temperaturen an diesen Stationen sind ihrer innerstädtischen Lage geschuldet und erfüllen mitunter nicht die Standards der offiziellen Wetterstationen des Deutschen Wetterdienstes (DWD). Insgesamt zeichnete sich das erste Monatsdrittel durch eine hochsommerliche Witterung aus. Verbreitet wurden sechs Tage mit mindestens 30 °C registriert, in Zeitz konnten sogar sieben solcher Tage gemessen werden. Eine weitere sommerliche Phase mit Temperaturen um 25 °C gab es zwischen dem 17. und 23. September. So konnten über den gesamten Monat verbreitet mehr als 10, in Köthen sogar 12 Sommertage (Tage mit mindestens 25 °C) gemessen werden. Darüber hinaus gab es in Wittenberg eine sogenannte Tropennacht. Dabei handelt es sich um eine Nacht, in der es nicht unter 20 °C abkühlt. Diese treten im September nur sehr selten auf. Der September brachte im Flächenmittel Sachsen-Anhalts 68,6 mm Niederschlag. Dabei setzte sich zu Beginn die trockene Phase, zusammen mit der hochsommerlichen Witterung, fort, bevor mit kühleren Temperaturen vermehrt Niederschläge fielen. Somit konnten 165,0 % im Vergleich zur Referenzperiode von 1961 bis 1990 erreicht werden, im Bezug zum 30-jährigen Klimamittel von 1991 bis 2020 wurden 138,8 % gemessen. Dabei gab es wieder große räumliche Unterschiede, so war es im Harz und im südlichen Sachsen-Anhalt sehr feucht mit beispielsweise 128,4 mm bzw. 321,0 % des Mittels von 1961 bis 1990 in Naumburg oder 89,7 mm bzw. 268,6 % in Quedlinburg. Hintergrund waren kräftige Regenfälle und Gewitter am 8. und 23. September, die binnen kurzer Zeit in diesen Bereichen über 50 mm Niederschlag brachten. Hingegen war es im äußersten Norden und Osten trockener mit 44,8 mm bzw. 101,1 % der üblichen Niederschlagsmenge in Gardelegen-Letzlingen oder 44,5 mm bzw. 104,7 % in Jessen-Naundorf. Mit 200,7 Sonnenstunden erreichte der September 2024 in Sachsen-Anhalt 139,6 % der Klimareferenzperiode 1961 bis 1990 und 127,1 % zum 30-jährigen Mittel von 1991 bis 2020. Vor allem das sehr sonnige erste Monatsdrittel war entscheidend für den sonnigen Gesamtmonat, ebenso wie die warme und sonnige Phase vom 17. bis 23. September. Das erste Oktoberdrittel startete wechselhaft und häufig wolkenverhangen. Den Rest des Monats dominierten Hochdruckwetterlagen mit viel Sonne, aber auch herbstlicher Nebel. Insgesamt blieb es dabei sehr mild, und es gab  einige Tage mit  mehr als 20 °C. Am wärmsten war es dabei am 25.10. mit 22,3 °C in Huy-Pabstorf gefolgt von Wittenberg mit 22,0 °C am 08.10. An der Messstation des LÜSA in Halberstadt konnten am 25.10. sogar 23,6 °C gemessen werden. Dies mündete in einen Monat mit einer Mitteltemperatur im Flächenmittel Sachsen-Anhalts von 11,3 °C. Damit war der Oktober um 1,9 K wärmer als nach der Referenzperiode von 1961 bis 1990 üblich. Im Vergleich zum 30-Jahreszeitraum von 1991 bis 2020 betrug die Abweichung 1,7 K. Abseits des sehr wechselhaften ersten Monatsdrittels präsentierte sich der Monat sehr trocken. In der Konsequenz blieb der Monat mit 37,3 mm Niederschlag zwar mit 104,8 % des Solls oberhalb des Referenz-Mittelwertes von 1961 bis 1990, aber unterhalb (86,3 %) des 30-Jahresmittels von 1991 bis 2020. Außerdem war der Niederschlag im Land sehr ungleich verteilt. So war es in der Altmark, Börde und im Harz besonders feucht mit beispielweise 66,9 mm (175,6 %) in Harzgerode oder 55,9 mm (162,0 %) in Calvörde. Im Süden und Osten des Landes blieben Niederschläge häufig deutlich hinter den langjährigen Mittelwerten zurück. So fielen in Halle-Döllnitz mit 18,8 mm Niederschlag nur 59,3 % des langjährigen Mittelwertes und in Jessen-Naundorf mit 22,5 mm nur 61,5 % der üblichen Niederschlagsmenge. Der Oktober war durch Hochdruck geprägt und entsprechend neben einigen Nebelfeldern, recht sonnenscheinreich. Dies zeigte sich mit 111,3 Sonnenstunden bzw. 106,7 % im Vergleich zur Referenzperiode von 1961 bis 1990 auch in der Statistik. In Bezug auf die Klimaperiode von 1991 bis 2020 wurden 99,5 % der üblichen Sonnenscheindauer erreicht. Die erste Hälfte des Monats November war überwiegend von Hochdruckwetter geprägt. Das bedeutet zu dieser Jahreszeit häufig trübes und relativ kühles Wetter. Die zweite Monatshälfte gestaltete sich unter Tiefdruckeinfluss dann deutlich wechselhafter aber auch milder. Der mildeste Tag war dabei der 25.11. mit beispielsweise bis zu 18,5 °C in Quedlinburg. Dies führte im Endeffekt zu einer Monatsmitteltemperatur von 5,5 °C für den November in Sachsen-Anhalt, welche um 1,0 K über dem Mittel der Referenzperiode von 1961 bis 1990 und um 0,4 K über dem Klimamittel von 1991 bis 2020 lag. Die Niederschlagsmenge im Flächenmittel Sachsen-Anhalts blieb im November mit 40,4 mm etwas hinter dem langjährigen Mittel zurück. Damit wurden im Vergleich zur Referenzperiode von 1961 bis 1990 94,2 % und im Vergleich zum Klimamittel von 1991 bis 2020 91,5 % erreicht. Dabei gab es regional größere Unterschiede. Während es im Norden und Osten des Landes häufig feuchter war als im langjährigen Mittel, war es im Süden und Westen des Landes teils deutlich zu trocken. So fielen beispielsweise in Ummendorf mit 42,0 mm Niederschlag 147,9% des Niederschlags der Referenzperiode von 1961 bis 1990, während in Zeitz mit 20,1 mm Niederschlag nur 51,1 % der üblichen Menge gefallen sind. Mit 43,5 Sonnenstunden war der November ein sehr trüber Monat und entsprechend wurden gegenüber der Klimareferenzperiode von 1961 bis 1990 lediglich 86,1 % der üblichen Sonnenscheindauer erreicht. Im Vergleich zum 30-Jahreszeitraum von 1991 bis 2020 sogar nur 77,9 %. Deutlich mehr Sonne gab es auf den Bergen, die häufig aus dem Nebel herausschauten. Entsprechend erreichte der Brocken mit 89,7 Sonnenstunden 179,3 % der Sonnenscheindauer im Vergleich zu 1961 bis 1990. Im Rückblick auf den gesamten Herbst vom 01. September bis 30. November zeigt sich ein mit 11,1 °C um 1,9 K zu warmer Zeitraum im Vergleich zur Referenzperiode von 1961 bis 1990. Auch im Vergleich zum neueren 30-Jahreszeitraum von 1991 bis 2020 war es noch um 1,4 K wärmer. Besonders der warme September und Oktober haben zu diesem milden Herbst beigetragen. So waren die ersten Septembertage noch hochsommerlich und auch im Oktober gab es noch spätsommerliche Phasen. Ein erster Wintereinbruch im November blieb hingegen aus. In den letzten drei Monaten fielen insgesamt 146,3 mm Niederschlag im Flächenmittel über Sachsen-Anhalt. Damit war der Herbst im Vergleich zur Referenzperiode von 1961 bis 1990 mit 121,8 % feuchter als gewöhnlich. Auch im Vergleich zum Klimazeitraum von 1991 bis 2020 wurden noch 107,0 % erreicht. Besonders feucht war es dabei in einem Streifen vom Harz über die Börde bis ins nordöstliche Sachsen-Anhalt. Ausschlaggebend war dabei vor allem der feuchte September. Während des Herbstes schien die Sonne in Sachsen-Anhalt 355,4 Stunden. Damit war der Herbst mit 119,0 % im Vergleich zur Referenzperiode von 1961 bis 1990 sehr sonnig, auch im Vergleich zum Klimazeitraum von 1991 bis 2020 wurden noch 109,2 % erreicht. Maßgeblich dazu beigetragen hat der sehr sonnige September, der den trüben November mehr als ausgleichen konnte. Im Sommer haben Solarenergieanlagen aufgrund des Sonnenstandes und der Tageslänge in der Regel eine größere Auslastung als Windenergieanalgen. Im Winter tritt der gegenteilige Effekt auf, sodass Windenergieanlagen eine größere Auslastung haben. Somit ergänzen sich Windenergie und Photovoltaik im Jahresgang. Der Herbst markiert dabei den Übergang zwischen den vorherrschenden Erzeugungsarten. Gerade in den Herbst- und Wintermonaten gibt es aber manchmal Phasen mit wenig Wind und Sonnenschein. Der diesjährige September startete unter Hochdruck sehr sommerlich, entsprechend hoch war an den ersten Tagen der Ertrag von Solarenergieanlagen. Eine weitere sonnenscheinreiche Phase gab es vom 18. bis 23.09., in der ebenfalls ein hoher Ertrag erreicht wurde. In den tiefdruckgeprägten Phasen um die Monatsmitte und zum Monatsende dominierte die Windkraft die Stromerzeugung der volatilen Energieträger, sodass sich die beiden Erzeugungsarten im September gut ergänzten. Im Oktober war die erste Monatshälfte überwiegend von Wolken und Tiefdruck geprägt. Entsprechend wenig Sonnenschein gab es, dafür aber wiederholt kräftigen Wind. Besonders am 10., 13. und 16.10. war dies am Ertrag zu beobachten. Der Ertrag der beiden Erneuerbaren Energien ging in den letzten Tagen des Monats deutlich zurück. Die Entwicklung von Ende Oktober setzte sich auch im November fort und verstärkte sich noch. Die trübe und windschwache Witterung erreichte ihren Höhepunkt im Zeitraum vom 04.11. bis 13.11., sodass der Ertrag aus Windkraft- und Solarenergieanlagen nur gering war. Die Solarenergie hatte auch im restlichen November nur wenig Anteil an der Stromerzeugung  im Vergleich zum Mittel der Jahre 2010 bis 2019. Schließlich schien über den gesamten Monat hinweg die Sonne nur unterdurchschnittlich oft. Jedoch sorgte deutlich auflebende Tiefdrucktätigkeit ab dem 14.11. für einen sehr hohen Ertrag bei der Windkraft, sodass an mehreren Tagen Erträge von mehr als 200 % im Vergleich der Jahre von 2010 bis 2019 erzielt werden konnten. Somit wurde der sehr geringe Solarenergieertrag in der zweiten Monatshälfte ausgeglichen. Über den ganzen Herbst gesehen, lag der Ertrag bei der Windkraft mit 112,9 % deutlich über dem Mittel der Jahre von 2010 bis 2019. Der Ertrag aus der Photovoltaik blieb, vor allem wegen des trüben Novembers, mit 75,5 % deutlich unterhalb des Mittels der Jahre 2010 bis 2019. In dieser Analyse erfolgt eine ausschließliche Betrachtung der Erneuerbaren Energiequellen zur Stromerzeugung die durch meteorologische Bedingungen beeinflusst sind (volatil), also Windenergie und Photovoltaik. Als Berechnungsgrundlage der folgenden Auswertung dient die produzierte elektrische Arbeit im Tagesmittel im Gebiet Ostdeutschlands und Hamburgs (Gebiet des Übertragungsnetzbetreibers 50Hertz). Die produzierte Arbeit wurde ins Verhältnis zur installierten Leistung gesetzt und so die Auslastung berechnet. Diese Auslastung wurde für die Jahreszeit gemittelt. Darüber hinaus wurde ein 10-jähriges Mittel gebildet. Die Auslastung der betrachteten Jahreszeit des aktuellen Jahres wird ins Verhältnis zur Auslastung im 10-jährigen Mittel für diese Jahreszeit gesetzt.“ Dies Verhältnis wird im Folgenden als Ertrag bezeichnet.

Waldzustand: Kronenverlichtung

<p>Waldzustand: Kronenverlichtung</p><p>Wälder sind Lebensraum für Pflanzen und Tiere, filtern Schadstoffe aus der Luft, schützen vor Erosion und Lawinen, wirken regulierend im Wasserhaushalt, dienen dem Menschen als Ort für Erholung und liefern den Rohstoff Holz. Diese vielfältigen Funktionen im Naturhaushalt und für den Menschen können nur gesunde Wälder erfüllen. Die Kronenverlichtung zeigt den Gesundheitszustand von Waldbäumen an.</p><p>Ergebnisse der Waldzustandserhebung</p><p>Die Abbildung „Entwicklung der mittleren Kronenverlichtung“ zeigt die ⁠<a href="https://www.umweltbundesamt.de/service/glossar/m?tag=mittlere_Kronenverlichtung#alphabar">mittlere Kronenverlichtung</a>⁠ für die vier Hauptbaumarten in deutschen Wäldern sowie für die Kategorie „Gesamt/alle Baumarten“. Diese erfasst neben den Hauptbaumarten auch andere Laub- und Nadelbaumarten. Je kleiner die Werte für die Kronenverlichtung ausfallen – also je belaubter oder benadelter die Baumkronen – desto besser ist der Kronenzustand. Während bei den meisten Baumarten in den Jahren von 1990 bis 2017 überwiegend kein klarer Trend der Verbesserung oder Verschlechterung des Kronenzustands zu erkennen war, erhöhte sich die Kronenverlichtung in den Folgenjahren bis 2020 deutlich und ist auch aktuell auf einem vergleichbar hohen Niveau. Im Jahr 2023 lag die mittlere Kronenverlichtung der Buche bei 29&nbsp;%; bei der Eiche bei 28&nbsp;%. Die Fichte wies eine mittlere Kronenverlichtung von 29&nbsp;% auf. Die Kiefer ist seit Beginn der 1990er Jahre die Hauptbaumart mit der geringsten Kronenverlichtung. Die mittlere Kronenverlichtung der Kiefer betrug im Jahr 2023 rund 22&nbsp;%. Weitere Informationen zur Kronenverlichtung und zum Waldzustand finden Sie in den vom Bundesministerium für Ernährung und Landwirtschaft (⁠<a href="https://www.umweltbundesamt.de/service/glossar/b?tag=BMEL#alphabar">BMEL</a>⁠) veröffentlichten Themenseite zur<a href="https://www.bmel.de/DE/themen/wald/wald-in-deutschland/waldzustandserhebung.html">Waldzustandserhebung</a>(WZE).</p><p>Ursachen der Kronenverlichtung als Wirkungskomplex</p><p>Generell lassen sich die Kronenverlichtung und andere Schadsymptome an Waldbäumen nicht eindeutig auf einzelne Einflussfaktoren zurückführen. Es ist davon auszugehen, dass immer verschiedene abiotische und biotische, also vom Menschen verursachte und natürliche Faktoren als Schadursachen zusammenwirken. Wichtige Einflussgrößen sind:</p><p>Im Jahr 2020 erreichte die Kategorie „Gesamt/alle Baumarten“ den bislang höchsten Wert für die ⁠<a href="https://www.umweltbundesamt.de/service/glossar/m?tag=mittlere_Kronenverlichtung#alphabar">mittlere Kronenverlichtung</a>⁠ seit Beginn der Erhebung im Jahr 1984. Durch die feuchtere Witterung des Jahres 2021 hat sich der Zustand der Kategorie „Gesamt/alle Baumarten“ leicht verbessert. Es ist jedoch nicht von einer generellen Erholung auszugehen, da die Waldökosysteme vielerorts langfristig geschädigt sind. Die mittlere Kronenverlichtung der Laubbäume liegt aktuell innerhalb der Schwankungsbreite der letzten 20 Jahre. Bei den Arten Kiefer und Fichte hat die mittlere Kronenverlichtung seit 2017 stark zugenommen.</p><p>Die in einigen Regionen Deutschlands eingetretenen schweren Waldschäden durch ⁠<a href="https://www.umweltbundesamt.de/service/glossar/d?tag=Drre#alphabar">Dürre</a>⁠ und Schädlingsbefall werden durch den ⁠<a href="https://www.umweltbundesamt.de/service/glossar/i?tag=Indikator#alphabar">Indikator</a>⁠ „mittlere Kronenverlichtung“ nicht abgebildet. Die noch nie so hohen Absterberaten der Fichte im Jahr 2020, wie in den<a href="https://www.bmel.de/SharedDocs/Downloads/DE/_Wald/ergebnisse-waldzustandserhebung-2020.html">Ergebnissen der Waldzustandserhebung 2020</a>dokumentiert, gaben jedoch einen Hinweis darauf.</p><p>Methodik der Waldzustandsbewertung</p><p>Die Bundesländer erheben jährlich den Waldzustand auf einem systematischen Stichprobennetz im Raster von 16 × 16 Quadratkilometer. Das Thünen-Institut für Waldökosysteme berechnet daraus das Ergebnis für Deutschland insgesamt. Um den Gesundheitszustand der einbezogenen Probebäume zu bewerten, schätzen Forstexperten vom Boden aus die Nadel- oder Blattverluste als Abweichungen von voll belaubten Baumkronen ein. Die ⁠<a href="https://www.umweltbundesamt.de/service/glossar/m?tag=mittlere_Kronenverlichtung#alphabar">mittlere Kronenverlichtung</a>⁠ ist der gewichtete Mittelwert der in 5-Prozent-Stufen geschätzten Kronenverlichtung aller Probebäume. Daneben werden weitere Schadsymptome erfasst. Die Erhebung erfolgt nach dem bundesweit abgestimmten<a href="https://literatur.thuenen.de/digbib_extern/dn059504.pdf">Leitfaden</a>zur Waldzustandserhebung.</p><p>Ein Teil der Daten wird an das Internationale Kooperativprogramm zur Bewertung und Überwachung der Wirkung von Luftschadstoffen auf Wälder (ICP Forests) der Wirtschaftskommission für Europa der Vereinten Nationen (⁠<a href="https://www.umweltbundesamt.de/service/glossar/u?tag=UNECE#alphabar">UNECE</a>⁠) übermittelt. Das dafür europaweit abgestimmte Erhebungsverfahren wird in Teil IV des<a href="https://www.icp-forests.net/monitoring-and-research/icp-forests-manual">Methodenhandbuchs</a>des ICP Forests näher beschrieben.</p>

METOP GOME-2 - Ozone (O3) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational ozone total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. The new improved DOAS-style (Differential Optical Absorption Spectroscopy) algorithm called GDOAS, was selected as the basis for GDP version 4.0 in the framework of an ESA ITT. GDP 4.x performs a DOAS fit for ozone slant column and effective temperature followed by an iterative AMF / VCD computation using a single wavelength. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

METOP GOME-2 - Cloud Top Pressure (CTP) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. OCRA (Optical Cloud Recognition Algorithm) and ROCINN (Retrieval of Cloud Information using Neural Networks) are used for retrieving the following geophysical cloud properties from GOME and GOME-2 data: cloud fraction (cloud cover), cloud-top pressure (cloud-top height), and cloud optical thickness (cloud-top albedo). OCRA is an optical sensor cloud detection algorithm that uses the PMD devices on GOME / GOME-2 to deliver cloud fractions for GOME / GOME-2 scenes. ROCINN takes the OCRA cloud fraction as input and uses a neural network training scheme to invert GOME / GOME-2 reflectivities in and around the O2-A band. VLIDORT [Spurr (2006)] templates of reflectances based on full polarization scattering of light are used to train the neural network. ROCINN retrieves cloud-top pressure and cloud-top albedo. The cloud-top pressure for GOME scenes is derived from the cloud-top height provided by ROCINN and an appropriate pressure profile. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

METOP GOME-2 - Cloud Fraction (CF) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. OCRA (Optical Cloud Recognition Algorithm) and ROCINN (Retrieval of Cloud Information using Neural Networks) are used for retrieving the following geophysical cloud properties from GOME and GOME-2 data: cloud fraction (cloud cover), cloud-top pressure (cloud-top height), and cloud optical thickness (cloud-top albedo). OCRA is an optical sensor cloud detection algorithm that uses the PMD devices on GOME / GOME-2 to deliver cloud fractions for GOME / GOME-2 scenes. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

METOP GOME-2 - Sulfur Dioxide (SO2) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational SO2 total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. GDP 4.x performs a DOAS fit for SO2 slant column followed by an AMF / VCD computation using a single wavelength. Corrections are applied to the slant column for equatorial offset, interference of SO2 and SO2 absorption, and SZA dependence. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

METOP GOME-2 - Water Vapour (H2O) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational H2O total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV/VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. The total H2O column is retrieved from GOME solar backscattered measurements in the red wavelength region (614-683.2 nm), using the Differential Optical Absorption Spectroscopy (DOAS) method. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

METOP GOME-2 - Formaldehyde (HCHO) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational HCHO total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

METOP GOME-2 - Cloud Optical Thickness (COT) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. OCRA (Optical Cloud Recognition Algorithm) and ROCINN (Retrieval of Cloud Information using Neural Networks) are used for retrieving the following geophysical cloud properties from GOME and GOME-2 data: cloud fraction (cloud cover), cloud-top pressure (cloud-top height), and cloud optical thickness (cloud-top albedo). OCRA is an optical sensor cloud detection algorithm that uses the PMD devices on GOME / GOME-2 to deliver cloud fractions for GOME / GOME-2 scenes. ROCINN takes the OCRA cloud fraction as input and uses a neural network training scheme to invert GOME / GOME-2 reflectivities in and around the O2-A band. VLIDORT [Spurr (2006)] templates of reflectances based on full polarization scattering of light are used to train the neural network. ROCINN retrieves cloud-top pressure and cloud-top albedo. The cloud optical thickness is computed using libRadtran [Mayer and Kylling (2005)] radiative transfer simulations taking as input the cloud-top albedo retrieved with ROCINN. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

1 2 3 4 5 … 101 102 103