Universität Leipzig
Fakultät für Physik und Geowissenschaften
Ableitung von aerosoloptischer
Eigenschaften aus bodengebundenen
Strahlungsmessungen
Masterarbeit
Erstgutachter: Prof. Dr. Manfred Wendisch
Zweitgutachter: Prof. Dr. Andreas Macke
vorgelegt von
Tobias Donth
Leipzig, den 5. November 2015
Zusammenfassung
Die folgende Masterarbeit beschäftigt sich mit der Untersuchung eines Algorithmus’ zur
Ableitung von aerosol-optischer Eigenschaften aus Messungen der spektralen Strahldichte
und der spektralen Strahlungsflussdichte.
Dazu wurden Strahlungsmessungen des CORAS Messsystems während des ”Megacities
- Megachellenges” Projekts verwendet. Über Strahlungstransferrechnungen des libRadtran Programms wurden ”Look-Up-Tables” erstellt, mit denen die zu den gemessenen
Strahlungswerten passenden, aerosol-optischen Eigenschaften abgeleitet wurden. Die abgeleiteten Größen waren dabei die Einfachstreualbedo und der Asymmetrieparameter.
Vorausgesetzt werden musste dabei, dass keine Bewölkung vorlag und dass die aerosoloptische Dicke bekannt ist. Die aerosol-optische Dicke wurde dabei über Messungen mit
einem Sonnenphotometer bestimmt.
Es wurden insgesamt acht Messfälle ausgewertet. Dabei konnte festgestellt werden, dass
die aerosol-optische Dicke einen sehr großen Einfluss auf die Sensitivität der Parameter
besitzt. So konnten bei optischen Dicken, die kleiner als 0,5 waren, keine realistischen
Werte abgeleitet werden. Für größere aerosol-optische Dicken konnte gezeigt werden, dass
der Algorithmus plausible Ergebnisse erzielen konnte.
Inhaltsverzeichnis
1 Motivation
1
2 Grundlagen
2.1 Strahlungsgrößen . . . . . . . . . . . . . . . . . . . . . .
2.2 Aerosolpartikel . . . . . . . . . . . . . . . . . . . . . . .
2.3 Aerosol-optische Eigenschaften . . . . . . . . . . . . . . .
2.4 Strahlungsübertragungsrechnungen . . . . . . . . . . . .
2.5 Methoden zur Ableitung aerosol-optischer Eigenschaften
2.5.1 Sonnenphotometer . . . . . . . . . . . . . . . . .
2.5.2 Direkte und diffuse Strahlungsmessungen . . . . .
2.5.3 Satellitengestützte Messung . . . . . . . . . . . .
.
.
.
.
.
.
.
.
3
3
5
6
9
9
9
12
12
.
.
.
.
.
14
14
14
16
16
18
4 Ableitung von aerosol-optischen Eigenschaften
4.1 Validierung der CORAS Messungen . . . . . . . . . . . . . . . . . . . . . .
4.2 Ableitungsmethode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Messfälle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
19
21
24
5 Fehlerdiskussion
5.1 Ausrichtungsfehler . . . . . . . . . . .
5.2 Sonnenphotometer Unsicherheit . . . .
5.3 Sensitivität der Einfachstreualbedo und
5.4 Wolken . . . . . . . . . . . . . . . . . .
40
40
41
43
45
3 Messkampagne
3.1 Projektbeschreibung Megacities - Megachallange
3.2 Klimatische Einordnung . . . . . . . . . . . . .
3.3 Messgeräte . . . . . . . . . . . . . . . . . . . . .
3.3.1 CORAS . . . . . . . . . . . . . . . . . .
3.3.2 Weitere Messgeräte . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
des Asymmetrieparameters
. . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6 Schlussfolgerung
46
Symbolverzeichnis
48
Abkürzungsverzeichnis
48
Abbildungsverzeichnis
50
Tabellenverzeichnis
50
Literaturverzeichnis
51
1
1
MOTIVATION
1
Motivation
Wolken können die von der Sonne einfallende Strahlung in der Atmosphäre streuen und
absorbieren. Jedoch findet Streuung und Absorption von solarer Strahlung auch an wolkenfreien Tagen statt. Dies liegt zum einen an den sich in der Atmosphäre befindlichen
Gasen und Luftmolekülen. Diese sind aber relativ konstant und deren Effekte können
dadurch gut bestimmt werden. Zum anderen gibt es noch eine weitere Gruppe von Partikeln, die sich in der Atmosphäre befinden, die Aerosolpartikel. Die Aerosolpartikel weisen
räumlich und zeitlich große Inhomogenitäten auf und können daher nicht als eine konstante Größe angenommen werden. Große Städte sind dabei eine ernst zu nehmende Quelle für
Aerosolpartikel. Somit spielen diese auch bei der Klimamodellierung eine wichtige Rolle.
Besonders auch in Megastädten in Asien kommt es häufig zu sehr großen Aerosolbelastungen (Lawrence et al., 2007).
Die Effekte der Aerosolpartikel auf die einfallende Sonnenstrahlung müssen somit kontinuierlich neu bestimmt werden. Aerosolpartikel haben dabei verschiedene Auswirkungen
auf das Wetter, das Klima und auch den Menschen.
Die Auswirkungen der Aerosole auf das Klima können durch direkte und indirekte AerosolKlima-Effekte beschrieben werden. Der direkte Klimaeffekt basiert auf der Streuung und
Absorption der Strahlung durch die Aerosolpartikel. Dies hat im solaren Spektralbereich
einen negativen Strahlungsantrieb für den Erdboden zur Folge. Ein negativer Strahlungsantrieb bedeutet, dass der direkte Klimaeffekt der Aerosole in bodennahen Schichten eine
abkühlende Wirkung besitzt. Der indirekte Klimaeffekt der Aerosole basiert auf dem Prinzip, dass die Aerosolpartikel auch die Kondensationskeime von Wolken darstellen. Hierfür
sind vor allem die Aerosole wichtig, die hygroskopische Eigenschaften besitzen. Wenn sich
viele Aerosolpartikel in der Atmosphäre befinden, werden die Wolken zum einen optisch
dicker und können daher mehr Strahlung reflektieren und zum anderen existieren sie auch
länger. Je länger eine Wolke existiert, desto länger kann sie die einfallende Strahlung reflektieren. Somit hat auch der indirekte Aerosoleffekt einen negativen Strahlungsantrieb
zur Folge (Forster et al., 2007 , IPCC).
Die Weltbevölkerung wächst immer schneller. Im Jahr 1950 lebten 2,5 Milliarden Menschen auf der Erde. Diese Zahl wurde innerhalb von 50 Jahren mehr als verdoppelt. 2000
waren es somit schon über 6 Milliarden. Nie zuvor in der Geschichte der Menschheit
war die Zeit, die für die Verdoppelung der Bevölkerung benötigt wurde geringer, als im
21. Jahrhundert. Das rasante Bevölkerungswachstum ist dabei nicht das einzige Thema,
dass die Menschheit zu großen Problemen führen kann, denn auch die Verteilung der
Bevölkerung bezüglich ihres Lebensraumes verändert sich. Immer mehr Menschen ziehen
vom Land in die Städte. Im Jahr 2007/2008 gab es somit erstmals mehr Menschen, die
in Städten lebten, als in ländlichen Gebieten.
Die Landflucht wird sich nach Schätzungen von Anthropologen auch in den nächsten Jahren weiter verstärken. Somit führt das verstärkte Bevölkerungswachstum direkt zu einem
verstärkten Städtewachstum. Für das Jahr 2030 bleibt Schätzungen zufolge die Landbevölkerung auf dem selben Niveau wie 2015. Somit müssen die Städte immer größer
1
MOTIVATION
2
werden, um eine immer größer werdende Anzahl von Menschen aufnehmen zu können.
Dabei werden vor allen auch die sogenannten Megastädte immer größer. Als Megastädte
werden dabei Städte mit einer Einwohnerzahl von mehr als zehn Millionen bezeichnet.
Auch die Anzahl der Megastädte wird drastisch zunehmen (Molina und Molina, 2004).
Menschen werden hauptsächlich in Großstädten von Aerosolpartikeln beeinflusst. Vor allem bei starken Smoglagen, die verstärkt in den Wintermonaten in asiatischen Großstädten
auftreten, sind sie schädlich für die Gesundheit des Menschen. Vor allem Herzerkrankungen und Lungenkrebs nehmen zu, wenn man zu lange einer zu hohen bodennahen
Aerosolbelastung ausgesetzt ist. Medizinische Langzeitstudien konnten zeigen, dass die
Wahrscheinlichkeit an Lungenkrebs zu erkranken stark zunimmt, wenn man zu lange Zeit
den kleinen Partikeln ausgesetzt ist, die durch Verkehrsabgase, Industrie, Kraftwerke und
unvollständiger Verbrennung erzeugt werden. Auch eine Korrelation zwischen der großen
bodennahen Aerosolbelastung mit der Mortalitätsrate konnte festgestellt werden (Tie und
Cao, 2009).
Aufgrund der großen Auswirkungen der Aerosolpartikel auf die verschiedenen Bereiche
wird deutlich, wie wichtig es ist, über gute Messverfahren zur Ableitung der aerosoloptischen Eigenschaften zu verfügen. In den meisten Fällen werden diese über Verfahren
durch Messung der direkten und diffusen Strahlung realisiert. Diese gestalten sich als
relativ aufwendig. Die Ableitung von aerosol-optischen Eigenschaften mittels Satellitenmessungen hat den Vorteil, dass sie nahezu global vorliegen. Jedoch ist dabei die räumlich
Auflösung gering. Außerdem kommt es gerade über Gebieten, in denen die Bodenalbedo
großen Schwankungen unterliegt zu großen Messfehlern. Zu solchen Gebieten zählen vor
allen urbane Gegenden.
Aufgrund dessen, dass gängige Methoden auch einige Nachteile besitzen, soll im Folgenden ein neuer Algorithmus zur Ableitung von aerosol-optischen Eigenschaften untersucht
werden. Dieser soll auf bodengebundenen Messungen der spektralen Strahlungsflussdichte und Strahldichte basieren. Dazu werden im ersten Teil der Ausarbeitung grundlegende
Strahlungsgrößen und aerosol-optische Eigenschaften sowie gängige Verfahren diese abzuleiten erklärt. Im Anschluss dessen wird das ”Megacities - Megachellenges” Projekt
kurz vorgestellt. Der Hauptteil der Ausarbeitung beschäftigt sich mit der Beschreibung
der gewonnenen Daten. Dazu liegt der Schwerpunkt zunächst auf der Beschreibung des
neuen Algorithmus zur Ableitung der aerosol-optischen Eigenschaften. Danach folgt eine
Beschreibung verschiedener Messfälle, die die unterschiedlichen Bedingungen des Messzeitraums darlegen. Außerdem werden die Fehlerquellen diskutiert. Zum Schluss erfolgt
eine Zusammenfassung und ein Ausblick darauf, wie man solche Algorithmen besser verifizieren kann.
2
3
GRUNDLAGEN
2
2.1
Grundlagen
Strahlungsgrößen
Strahlung besteht aus elektromagnetischen Wellen. Für die Erde von besonderer Bedeutung ist die elektromagnetische Strahlung, die von der Sonne ausgehend empfangen wird.
Diese liefert die nötige Energie, die das Leben auf der Erde erst ermöglicht. Außerdem
stellt die solare Strahlung den Antrieb für die meisten Wetterphänomene dar (Liljequist
und Cehak, 1984).
Elektromagnetische Strahlung besitzt sowohl Wellen- als auch Partikeleigenschaften. Dies
wird im sogenannten Welle-Teilchen-Dualismus beschrieben. Diese Eigenheit der elektromagnetischen Strahlung führt dazu, dass sie sowohl klassische Eigenschaften einer Welle
als auch die eines Teilchens hat. So breitet sich die Strahlung wie Wellen gleichmäßig
im Raum aus und man kann ihr Wellenlängen und Frequenzen zuordnen. Des Weiteren
kann man der elektromagnetischen Strahlung an diskreten Punkten immer eine bestimmte Energie zuordnen. Diese ” Energiepakete” werden als Photonen bezeichnet (Wendisch
und Yang, 2012).
Eine wichtige Ausgangsgröße für die Beschreibung vieler Strahlungsgrößen ist die Strahlungsenergie E rad . Die Einheit der Strahlungsenergie ist das Joule (J). Ihre Bedeutung
findet sich darin, dass die auf der Erde ankommende solare Strahlung eine erwärmende
Wirkung hat. Betrachtet man die durch die elektromagnetischen Wellen transportierte
Strahlungsenergie pro Zeit, so ergibt sich daraus der Strahlungsfluss Φ. Die Einheit ist
Watt (W = J s−1 ). Des Weiteren kann man die einzelnen Größen auch spektral, nach
einzelnen Wellenlängen aufgelöst, betrachten (Kraus, 2004).
Somit kann man den spektralen Strahlungsfluss Φλ über folgende Formel berechnen
Φλ (~r, t) =
d2 Erad
.
dt dλ
(2.1)
Der spektrale Strahlungsfluss hat die Einheit W nm−1 .
Bezieht man den spektralen Strahlungsfluss Φ auf eine bestimmte Fläche erhält man die
spektrale Strahlungsflussdichte Fλ , mit der Einheit W m−2 nm−1
Fλ (~r, t) =
d4 Erad
.
dt dλ d2 A
(2.2)
Dabei ist λ die Wellenlänge und t die Zeit. d2 A ist ein differentielles Flächenelement und ~r
ist der euklidische Positionsvektor, der die Lage des Flächenelements bestimmt (Wendisch
und Yang, 2012).
Außerdem kann man die Strahlungsenergie pro Fläche, Zeit und Raumwinkel betrachten.
Dabei erhält man die Strahldichte I. Die Strahldichte, die auch Radianz genannt wird,
hat die Einheit W m−2 sr−1 . Steradiant (sr) ist dabei die Einheit des Raumwinkels und
ergibt sich aus dem gesamten Raumwinkel der Kugel, normiert auf 4 π.
2
4
GRUNDLAGEN
Auch die Radianz kann spektral betrachtet werden. Die Einheit der spektralen Radianz
Iλ ist W m−2 sr−1 nm−1 (Kraus, 2004).
Die Formel der spektralen Radianz ist
Iλ (~r, bs, t) =
d6 Erad
.
cos θ dt dλ d2 A d2 Ω
(2.3)
Der Einheitsvektor bs gibt die Richtung an, in der die Strahlung das Flächenelement passiert, siehe dazu auch Abbildung 2.1. θ ist der Winkel zwischen dem orthogonal zum
Flächenelement stehenden normalen Einheitsvektor und dem Vektor bs. Ω stellt den Raumwinkel da (Wendisch und Yang, 2012).
Abbildung 2.1: Geometrie zu den Strahlungsgrößen.
Wendisch und Yang (2012)
Außerdem kann man die Größen noch in aufwärtsgerichtete und abwärtsgerichtete Anteile unterscheiden. Dazu stellt man sich eine horizontale Trennfläche vor. Alle Anteile, die von unten kommend, sind aufwärtsgerichtet und alle die von oben kommen sind
abwärtsgerichtet. Dass heißt, dass die Radianzen in ihrem jeweiligen Raumwinkelelement
über alle Zenitwinkel θ und alle Azimutwinkel ϕ integriert werden. Der Azimutwinkel
muss dabei über dem kompletten Raum integriert werden, dies entspricht 360◦ = 2 π.
Aufgrund der Aufteilung in zwei Hemisphären muss der Zenitwinkel nur über 90◦ = π/2
integriert werden. Des Weiteren ist ϑ der Streuwinkel, dieser gibt die Richtung an, in der
die Strahlung gestreut wird. So ergibt sich die Formel für die aufwärtsgerichtete, spektrale
Strahlungsflussdichte
Fλ↑ (~r, t)
=
π/2
Z2π Z
Iλ (~r, θ, ϕ, t) · cos θ · sin θ dθ dϕ
0
(2.4)
0
und die abwärtsgerichtete, spektrale Strahlungsflussdichte
Fλ↓ (~r, t)
= −
Z2π Zπ
0 π/2
Iλ (~r, θ, ϕ, t) · cos θ · sin θ dθ dϕ
(2.5)
2
5
GRUNDLAGEN
(Wendisch und Yang, 2012).
Die auf dem Erdboden einfallende Strahlung wird von diesem nicht komplett absorbiert.
Durch das Einführen des Begriffs der Albedo α erhält man ein Maß für das Reflexionsvermögen einer Oberfläche. Die Albedo ist das Verhältnis zwischen reflektierter und
einfallender Strahlungsflussdichte
α=
F↑
.
F↓
(2.6)
Je größer die Albedo einer Oberfläche ist, desto mehr Strahlung reflektiert sie. Die größten
Albedowerte haben dabei frischer Schnee und Wolken. Die Albedo einer Wolkendecke beträgt im solaren Spektralbereich etwa 75 %. Schneefreier Boden und die Ozeanoberfläche
haben dagegen eine relativ kleine Albedo. So hat das Meer nur eine Albedo von ungefähr
10 %. Dies hat zur Folge, dass man große Unterschiede in der aufwärtsgerichteten Strahlung über Wolken und über wolkenfreien Gebieten feststellen kann (Liljequist und Cehak,
1984).
2.2
Aerosolpartikel
Aerosole sind Gemische aus festen oder flüssigen Partikeln in einem Gas. Die einzelnen
Partikel werden dabei als Aerosolpartikel bezeichnet. Aerosolpartikel können über viele
verschiedene Quellen in die Atmosphäre gelangen. Dadurch gibt es auch viele verschiedene Typen mit verschiedenen Eigenschaften. Hobbs (1993) liefert dazu eine Einteilung.
Wichtige Quellen für Aerosolpartikel sind biogene, vulkanische, maritime und kontinentale Quellen. Bei den biogenen Quellen muss man zwischen biogenen und organischen
Partikeln unterscheiden. Organische Partikel sind sekundäre Produkte, also Partikel, die
sich erst in der Atmosphäre bilden. Biogene Partikel dagegen sind primäre Produkte. Zu
dieser Gruppe zählen Pollen, Sporen, abgestorbene Tier- und Pflanzenreste und Bakterien.
Bei Vulkanausbrüchen gelangt eine große Menge an Staub und Asche in die Atmosphäre.
Diese bestehen dabei vor allen aus Silikaten und Metalloxiden, wie Siliciumdioxid (SiO2 ),
Aluminiumoxid (Al2 O3 ) und Eisen(III)-oxid (Fe2 O3 ). Die Partikel sind dabei sehr groß.
Die größten Partikel fallen aber schnell wieder aus. Vulkanische Partikel beeinflussen vor
allem das stratosphärische Aerosol.
Maritimes Aerosol besteht vor allem aus Seesalz. Die maritimen Aerosole sind hygroskopisch und nehmen dadurch eine wichtige Rolle bei der Wolkenbildung ein. Im Allgemeinen
spricht man bei vorhandenem maritimen Aerosol von einer sauberen Atmosphäre.
Die Zusammensetzung des kontinentalen Aerosols hängt stark davon ab, von welchem Ort
aus es in die Atmosphäre gelangt. Eine Möglichkeit ist das polare Aerosol, welches sich auf
Partikel von der Oberfläche der Arktis oder Antarktis bezieht. Aerosole über den nicht vereisten Kontinentalflächen nahe des Erdbodens, die nicht vom Menschen beeinflusst sind,
2
6
GRUNDLAGEN
werden als ”Remote continental Aerosol” bezeichnet. Außerdem können Aerosolpartikel
aus Wüsten durch starke Sandstürme in die Atmosphäre gelangen. Aufgrund der Stärke
und der weiten Reichweite kann der Wüstensand sehr große Gebiete beeinflussen. Eine
weitere Möglichkeit bildet das urbane Aerosol, welches im großen Maße durch anthropogene Einflüsse geprägt ist. Die Einflüsse des Menschen stammen dabei vor allem aus
Verschmutzungen durch Industrie, Verkehr und anderen Emissionen. Außerdem können
sich auch an einem Ort Gemische verschiedener Aerosolpartikeltypen befinden. Dabei gibt
es starke Unterschiede in der Partikelgrößenverteilung, der Anzahlkonzentration und der
chemischen Zusammensetzung.
Aerosole bestimmen zusammen mit Wolken und der Streuung durch Gase, welcher Anteil
der am Rand der Atmosphäre ankommenden solaren Strahlung auch den Erdboden erreicht. Aerosole nehmen dabei in verschiedener Form einen Einfluss auf das Klima (Hobbs,
1993).
2.3
Aerosol-optische Eigenschaften
Abbildung 2.2: Schema zur optischen Dicke
Wendisch und Yang (2012)
Eine Kenngröße für die Aerosolpartikel-Konzentration ist die optische Dicke τ . Sie ist ein
Maß dafür, wie stark sich eine einfallende elektromagnetische Welle beim Durchgang durch
die Atmosphäre abschwächt. Diese Abschwächung kann über das Beer-Lambert-Bouguer
Gesetz beschrieben werden
dIλ = −bext (λ, s) ds · Iλ .
(2.7)
Dabei ist bext der Extinktionskoeffizient und s ist der schiefe Weg, der durchlaufen wird
(Abbildung 2.2). Das Gesetz trifft Aussagen über die Extinktion der spektralen Radianz
2
7
GRUNDLAGEN
entlang eines schiefen Weges durch ein Medium. Dabei wird das mögliche Auftreten von
Mehrfachstreuung oder Emission nicht beachtet. Unter diesen Annahmen ergibt sich für
die optische Dicke folgende Formel:
dτ (λ, z) = −bext (λ, z) dz.
(2.8)
dz ist die Höhe des Mediums, dass von der Strahlung passiert wird (Wendisch und Yang,
2012).
Weitere wichtige Größen zur Charakterisierung von Aerosolpartikeln sind der Angströmexponent, die Einfachstreualbedo und der Asymmetrieparameter.
Abbildung 2.3: Spektrale Abhängigkeit der aerosol-optischen Dicke, für verschieden große Partikel.
Abbildung 2.3 zeigt die Wellenlängenabhängigkeit der optischen Dicke. Aufgrund dieser Abhängigkeit kann ein Parameter abgeleitet werden, der den spektralen Verlauf der
aerosol-optischen Dicke beschreibt. Diese Größe wird Angströmexponent genannt. Der
spektrale Verlauf der aerosol-optischen Dicke kann durch eine exponentielle Abnahme
mit der Wellenlänge parametrisiert werden
τ (λ) = β · λ−α .
(2.9)
β ist eine Referenz optische Dicke für die Wellenlänge 1 µm und α ist der gesuchte
Angströmexponent. In praktischen Messungen misst man meistens auf zwei verschiedenen
Wellenlängen und berechnet dann damit den Angströmexponenten. Der Angströmexponent
ist ein Maß für die Größe der Aerosolpartikel. Je größer der Angströmexponent ist, desto
kleiner sind die Partikel, die man gemessen hat.
Mithilfe des Angströmexponenten und der aerosol-optischen Dicke kann man die verschiedenen Aerosolpartikeltypen gut unterscheiden.
2
GRUNDLAGEN
8
Abbildung 2.4: Streudiagramm der aerosol-optischen Dicke gegenüber des Angströmexponenten.
Die verschiedene Farben geben die verschiedenen Aerosoltypen an.
(Toledano et al., 2006)
In Abbildung 2.4 wurden Angströmexponent und aerosol-optische Dicke zueinander abgetragen. Für eine Vielzahl an verschiedenen Aerosolfällen, lassen sich deutliche Tendenzen
erkennen. Maritimes Aerosol sorgt nur für geringe optische Dicken, variiert dafür aber
stark im Angströmexponent. Das zeigt, dass sich die Partikelgröße von maritimen Aerosol
über viele Größenordnungen erstrecken kann. Wüstenstaub-Aerosol sorgt für deutliche
größere optische Dicken und besitzt kleinere Angströmexponenten. Wüstenstaubpartikel
sind also sehr große Partikel, die die Strahlung deutlich abschwächen. Eine dritte wichtige
Gruppe, die in Abbildung 2.4 zu erkennen ist, sind die Partikel, die bei der Biomasseverbrennung entstehen. Zu dieser Gruppe gehören unter anderem auch Black Carbon
Partikel. Diese Partikel sorgen für eine große optische Dicke und haben einen großen
Angströmexponent, sie sind also sehr klein (Toledano et al., 2006).
Der Extinktionskoeffizient ist ein Maß dafür, wie stark sich die Strahlung beim durchlaufen eines Mediums abschwächt und setzt sich zusammen aus dem Absorptionskoeffizient
und dem Streukoeffizient. Die Einfachstreualbedo ω̃ ist das Verhältnis aus Streukoeffizienten zu Extinktionskoeffizienten. Das bedeutet, wenn ω̃ = 1 dann findet keine Absorption
statt und bei ω̃ = 0 gibt es keine Streuung. Typische Werte für die Einfachstreualbedo
sind ungefähr Eins für maritimes Aerosol, leicht kleiner als Eins für Wüstenstaub-Aerosol
und deutlich kleiner als Eins (rund 0,7) für Black Carbon.
Die Phasenfunktionen P beschreiben die Wahrscheinlichkeit eines Streuprozesses in Abhängigkeit eines Streuwinkels ϑ. Der Asymmetrieparameter g ist der mittlere Kosinus des
Streuwinkels. Weiterhin kann der Asymmetrieparameter als Parametrisierung der Streuphasenfunktion als Integral über alle Raumwinkel dargestellt werden. Er gibt also an, in
welche Richtung ein Partikel die Strahlung hauptsächlich streut. Für den Fall g = 0, ist
die Streuung am Partikel isotrop, die Strahlung wird in alle Richtungen gleich gestreut.
Für die meisten Partikel gilt, dass sie mehr Strahlung in Vorwärtsrichtung streuen. In
2
GRUNDLAGEN
9
dem Falle ist der Asymmetrieparameter positiv. Für kleine Aerosolpartikel liegt dabei
Rayleigh-Streuung vor. Die Strahlung wird dabei symmetrisch gestreut. Für den Fall
g = +1 liegt nur Vorwärtsstreuung vor. Negative Werte von g entsprechen demzufolge
einer größeren Streuung in den hinteren Halbraum und g = −1 steht für ausschließlich
Rückwärtsstreuung. Kugeln und größere Partikel haben größere Asymmetrieparameterwerte, das heißt, dass Mie-Streuung zu positiven Asymmetrieparametern führt. Im solaren
Wellenlängenbereich ist der Asymmetrieparameter kaum wellenlängenabhängig. Typische
Werte für den Asymmetrieparameter für Aerosolpartikel sind zwischen 0,65 bis 0,75 (Wendisch und Yang, 2012).
2.4
Strahlungsübertragungsrechnungen
Die Strahlungsübertragungsgleichung ist sehr komplex. Es ist nicht möglich, für die in
die Atmosphäre einfallende Strahlung, ohne Einschränkungen eine numerische Lösung zu
finden. Deshalb werden Strahlungsmodelle genutzt, um die Strahlung zu simulieren. Dabei sind der Extinktionskoeffizient, die Phasenfunktion und die Einfachstreualbedo als
Parameter für alle Modelle wichtig (Wendisch und Yang, 2012).
Ein Programm zur Simulation von Strahlung ist libRadtran (library of radiative transfer
routines and programs). Das libRadtran Softwarepaket bietet verschiedene Möglichkeiten
um Strahlungsübertragungsgsrechnungen durchzuführen. Das wichtigste Mittel ist dabei das uvspec Programm. Ursprünglich wurde uvspec dazu programmiert, um spektrale
Strahlungsflussdichten im ultravioletten und sichtbaren Spektralbereich zu berechnen. Im
Laufe der Zeit unterlief das Programm einer Vielzahl von Veränderungen, so dass es heutzutage die kompletten solaren und thermalen Spektralbereiche abdeckt. Der Name uvspec
wird daher nur noch aus historischen Gründen beibehalten. Mithilfe von uvspec lassen
sich eine Vielzahl verschiedener Bedingungen festlegen, um die Strahlungsübertragung
in der Erdatmosphäre möglichst realistisch darstellen zu können. So lassen sich etwa
verschiedene Wolkeneigenschaften und Aerosolparameter variieren. Das Lösen der Strahlungsübertragungsgleichung kann über verschiedene sogenannte RTE solver (radiative
transfer equation solver) bewerkstelligt werden. Diese greifen jeweils auf unterschiedliche
Ansätze und Techniken zurück, um die Strahlungsübertragungsgleichung zu lösen. Als
Ausgabe kann man unter anderem spektrale Strahlungsflussdichten oder Strahldichten,
aktinische Flüsse, Helligkeitstemperaturen oder auch integrierte Größen erhalten (Mayer
und Kylling, 2005).
2.5
2.5.1
Methoden zur Ableitung aerosol-optischer Eigenschaften
Sonnenphotometer
Sonnenphotometerstationen sind global an vielen verschiedenen Standorten vorzufinden.
Diese einzelnen Stationen befinden sich im Zusammenschluss AERONET (Aerosol Robotic Network). Die eingesetzten Sonnenphotometer müssen dabei den Anforderungen
genügen, dass sie wetterbeständig sind, automatisch operieren und immer aktuelle Mess-
2
10
GRUNDLAGEN
werte liefern können.
Die tatsächlich gemessene Größe der Sonnenphotometer ist die elektrische Spannung U.
Diese wird gemäß dem Beer-Lambert-Bouguer Gesetz wie folgt bestimmt
Uλ = U0,λ · d2 exp(τλ m) · ty .
(2.10)
U0 wäre dabei die gemessene Spannung am Oberrand der Atmosphäre. Bestimmt wird
U0 über Messungen der Referenzstation Mauna Loa auf Hawaii. Außerdem wurde das
ursprüngliche Beer-Lambert-Bouguer Gesetz durch den Faktor d2 modifiziert. Dabei ist
d das Verhältnis des mittleren Abstandes zwischen Sonne und Erde. τ ist die gesamte
optische Dicke, der von der Strahlung durchlaufenen atmosphärischen Säule und m ist die
optische Luftmasse. Die optische Luftmasse lässt sich über den reziproken Wert des Kosinus vom Zenitwinkel bestimmen. Der Faktor ty steht für die Transmission absorbierender
Gase. λ steht für die Wellenlänge und gibt an, welche der Größen spektral abhängig sind.
Die spektrale elektrische Spannung ist direkt proportional zur spektralen Strahldichte und
kann somit aus der Messung der Spannung bestimmt werden. Die spektrale Strahldichte
ist eine wichtige Ausgangsgröße bei der Strahlungstransferrechnung zur Ableitung von
aerosol-optischen Eigenschaften.
Die in Gleichung 2.10 benutzte gesamte optische Dicke setzt sich dabei aus der aerosoloptischen Dicke, der rayleigh-optischen Dicke, also aus der optischen Dicke, die sich aufgrund der Rayleigh-Streuung ergibt, sowie aus den optischen Dicken vieler weiterer Gase
zusammen. Die wichtigsten Gase sind dabei Wasserdampf, Ozon und Stickstoffdioxid.
In den AERONET Stationen werden zur Messung der spektralen Strahldichte ”CIMEL
Electronique 318A” Sonnenphotometer benutzt. Die Sonnenphotometer bestehen neben
der Messvorrichtung aus einem Solarpanel, damit die Geräte unabhängig von externen
Stromquellen agieren können, sowie einer Elektronik, die den Messkopf automatisch auf
die Sonne ausrichtet. Ein Mikroprozessor berechnet jeweils die aktuelle Sonnenposition in
Abhängigkeit von der Zeit, der geographischen Länge und Breite. Die Ausrichtung über
die Motoren erfolgt mit einer Genauigkeit von 0,05o in Azimut und Zenit Richtung. Das
Gerät hat einen Öffnungswinkel von 1,2o und hat zwei Detektoren zur Messung der direkten Sonnenstrahlung, der diffusen und der aureolen Strahlung. Zwischen den einzelnen
Messsequenzen wird der Sensor in Nadirrichtung ausgerichtet, damit der Messkopf vor
Verschmutzung durch Regen oder Aerosolpartikel geschützt wird. Durch einen Feuchtigkeitssensor wird sichergestellt, dass die Messsequenz nicht gestartet wird solange es regnet.
Die direkte Sonnenstrahlung wird auf acht verschiedene Wellenlängen zwischen 340 nm
und 1020 nm gemessen. Standardmäßig werden dazu Messungen auf den Wellenlängen
440 nm, 670 nm, 870 nm, 940 nm und 1020 nm durchgeführt. Die diffuse Strahlung wird
auf den Wellenlängen 440 nm, 670 nm, 870 nm und 1020 nm gemessen (Holben et al., 1998).
Dubovik und King (2000) beschreiben einen flexiblen Inversionsalgorithmus zur Ableitung
von aerosol-optischen Eigenschaften aus den Sonnenphotometermessungen. Der Algorith-
2
GRUNDLAGEN
11
mus wird dabei in Vorwärtsmodellierung und Inversionsoptimierung unterschieden.
Für die Vorwärtsmodellierung wird die Strahlungsübertragungsgleichung für eine planparallele Atmosphäre gelöst. Zur Berücksichtigung der Mehrfachstreuung in diffuser Strahlung wird ein frei verfügbarer Code (zum Beispiel von Nakajima und Tanaka (1988))
verwendet. Damit kann die vertikale Variabilität von Eigenschaften der Atmosphäre
berücksichtigt werden. Dazu wird die Atmosphäre in viele kleine homogene Schichten
geteilt. Jede dieser Schichten wird nun über eine eigene optische Dicke, Phasenfunktion und Einfachstreualbedo beschrieben. Um diese drei Größen zu modellieren müssen
unter wolkenfreien Bedingungen drei Hauptkomponenten berücksichtigt werden, die diese Größen beeinflussen. Die zu berücksichtigen Effekte sind dabei die Absorption von
Strahlung durch Gase, die Streuung der Photonen durch Moleküle und Absorptions- und
Streueigenschaften der Aerosolpartikel.
Die molekulare Streuung kann mit Hilfe des Bodenluftdrucks zum jeweiligen Zeitpunkt
der Messung bestimmt werden. Für bodengebundene solare Strahlungsmessungen können
über das Instrumentendesign Gasabsorptionseffekte verhindert werden. Die Hauptwellenlängen der AERONET Messungen (440 nm, 670 nm, 870 nm und 1020 nm) wurden so
gewählt, sodass sie außerhalb der Gasabsorptionsbanden liegen.
Die Werte für die Bodenreflektanz können im Vorfeld bestimmt werden. Allerdings variieren die Werte der Bodenreflektanz stark in Abhängigkeit von klimatologischen und meteorologischen Bedingungen. Dennoch ist es für die Modellierung der abwärtsgerichteten
Strahlung nicht zwangsweise nötig, die Bodenreflektanz vorher schon genau zu kennen.
Zum einen, da der vom Boden reflektierte Anteil der Strahlung deutlich kleiner als der von
oben kommende ist und zum anderen kann die Bodenreflektanz durch oft parallel durchgeführte Messungen der aufwärtsgerichteten Strahlung bestimmt werden. Somit wird die
lokale Variabilität der solaren Strahlungen hauptsächlich nur über die verschiedenen optischen Eigenschaften der Aerosolpartikel beschrieben.
Dabei sind sowohl die aerosol-optische Dicke, die Einfachstreualbedo sowie die Phasenfunktion vertikal stark variabel. Bei der bodengebundenen Messung wird allerdings die von
der kompletten atmosphärischen Säule beeinflusste Strahlung gemessen. Deshalb werden
auch in der Modellierung diese Größen für die komplette Säule bestimmt. Zur Modellierung der mikrophysikalischen Eigenschaften werden verschiedene Parametrisierungen
benutzt.
Um über diese Annahmen alle gesuchten Größen bestimmen zu können muss ein Inversionsalgorithmus verwendet werden. Dazu werden die gemessenen Größen und im Vorfeld
angenommene Werte und Bedingungen als ein Multiquellen-Datensatz behandelt. Der
Inversionsalgorithmus ist so konstruiert worden, dass jeweils die beste Annäherung der
gesuchten Größen an theoretischen Modellen gesucht wird. Die Fehler der invertierten
Daten werden dabei statistisch ermittelt. Eine ausführliche Beschreibung des Inversionsalgorithmus liefern Dubovik und King (2000). Verschiedene Verbesserungen des Inversionsalgorithmus führten zur Einführung der Version 2.0 der AERONET Inversionsprodukte. Maßgeblich dazu beigetragen hat das zusätzliche Berücksichtigen nicht sphärischer
Aerosolpartikel. Dies wird in Dubovik et al. (2006) beschrieben.
2
12
GRUNDLAGEN
2.5.2
Direkte und diffuse Strahlungsmessungen
Eine weitere Möglichkeit zur Ableitung von aerosol-optischer Eingenschaften erfolgt über
Messung der direkten und der diffusen Strahlungsflussdichte auf verschiedenen Wellenlängen. Diese können mit einem Schattenband-Radiometer gemessen werden. Zur Ableitung der Einfachstreualbedo mithilfe eines Schattenband-Radiometers wird das Verhältnis
von diffuser zur direkten Strahlung genutzt. Es wird ein Inversionsalgorithmus benötigt,
um aus gemessenen Strahlungsgrößen Rückschlüsse auf die aerosol-optischen Eigenschaften ziehen zu können. Dies geschieht über Strahlungstransferrechnungen. Als Eingangsgrößen müssen dazu unter anderem zunächst Werte für den Sonnenzenitwinkel, die aerosoloptische Dicke, die komplette Ozonsäule, den Asymmetrieparameter, die Bodenalbedo
und für die Einfachstreualbedo angenommen werden. Die optische Dicke wird über das
Beer-Lambert-Bouguer Gesetz bestimmt
Uλ
τ = − cos(θ) · ln
.
U0
(2.11)
U0 ist dabei die Spannung am Oberrand der Atmosphäre (siehe Kapitel 2.5.1), Uλ die
jeweiligen gemessenen Spannungen auf den verschiedenen Wellenlängen und θ der Sonnenzenitwinkel. Um aus der so bestimmten gesamten optischen Dicke die aerosol-optische
Dicke bestimmen zu können, muss die rayleigh-optische Dicke von der gesamten optischen
Dicke subtrahiert werden. Der Asymmetrieparameter muss als konstant angenommen werden.
Unter diesen Annahmen wird anschließend überprüft, ob der Inversionsalgorithmus über
Strahlungstransferrechnung auf das selbe Verhältnis von direkter zu diffuser Strahlung
kommt, wie es über die Messung bestimmt wurde. Sollten die beiden Werte nicht übereinstimmen, wird die Einfachstreualbedo variiert und die Rechnung wird wiederholt. Dieses
Verfahren wird solange wiederholt, bis es für einen Einfachstreualbedowert eine sehr gute
Übereinstimmung zwischen Messung und Simulation gibt. Somit wird die Einfachstreualbedo über ein Iterationsverfahren bestimmt.
Dabei treten vor allem für kleine aerosol-optische Dicken große Fehler für die Einfachstreualbedowerte auf. So ist der mittlere Fehler für aerosol-optische Dicken von unter 0,3
etwa ± 0,12. Für größere optische Dicken wird der Fehler exponentiell kleiner. Für eine
optische Dicke von eins beträgt er nur noch ± 0,04 (Petters et al., 2003).
2.5.3
Satellitengestützte Messung
Mithilfe des Moderate resolution Imaging Spectrometer (MODIS) lässt sich über satellitengestützte Messungen die aerosol-optische Dicke bestimmen. Das MODIS Messgerät
befindet sich auf den Satelliten Terra und Aqua. Die Messungen erfolgen vom sichtbaren
bis in das thermische Infrarot Spektrum auf einer Wellenlänge von 410 nm bis 14,235 µm.
Zur Bestimmung der Aerosolprodukte werden dafür die Wellenlängenbanden von 620 670 nm bis 2,105 - 2,155 µm verwendet. Weitere Banden werden für Wolken und andere
Kontrollprozeduren verwendet. Die von MODIS abgeleiteten Aerosolprodukte sind dabei
2
GRUNDLAGEN
13
neben der aerosol-optischen Dicke noch der sogenannte Wichtungsparameter (Fine aerosol Weighting). Dies beschreibt den Anteil der kleinen Partikel, also der des fine modes,
im Verhältnis zu allen Partikeln, die zu der aerosol-optischen Dicke beitragen. Dies wird
über die 550 nm Wellenlänge bestimmt. Zur Ableitung der Größen wird über MODIS die
spektrale Reflektanz gemessen.
Um damit Aerosoleigenschaften ableiten zu können muss eine hohe spektrale Stabilität
und eine hinreichende Sensitivität gewährleistet werden. Der MODIS Aerosol Algorithmus
besteht dabei aus zwei unabhängigen Algorithmen, einer für Messungen über Land und
einer für Messungen über dem Ozean. Die Genauigkeit der abgeleiteten aerosol-optischen
Dicke unterscheidet sich dabei für die beiden Fälle. Über den Ozeanen können dabei genauerer Werte abgeleitet werden als über dem Festland.
Beide Algorithmen beruhen auf Inversionsmethoden. Die Methoden basieren auf sogenannten Look-up-Tabellen. Dabei wurden vorher Strahlungstransferrechnungen durchgeführt und somit für eine Reihe von Aerosol- und Bodeneigenschaften Vergleichswerte
für gemessene Reflektanzen erstellt. Dabei ergeben sich für Messungen über dem Ozean
und über dem Land verschiedene Probleme. Über dem Ozean ist Sunglint ein Problem.
Besonders dann, wenn es in Kombination mit großen Mengen an Staub in der Atmosphäre oberhalb der Sunglint Bereiche auftritt. Über dem Land ist das größte Problem
die ungleichmäßige Beschaffenheit der Oberflächen und die damit verbundenen großen
Unterschiede in den Bodenreflektanzen. In beiden Fällen müssen auch Extraabfragen für
Wolkenfälle vorgesehen werden.
Das allgemeine Vorgehen bei beiden Algorithmen ist es, die jeweils beste Annäherung
der Messwerte an die vorher bestimmten Vergleichswerte zu finden. Dazu wird jeweils
angenommen, dass sich das zu messende Aerosol aus kleinen Aerosolpartikeln (fine mode particle) und großen Aerosolpartikeln (coarse mode particle) zusammensetzt. Diese
können über verschiedene Wichtungen kombiniert werden. Die jeweils beste Annäherung
ist die Lösung der Inversionsmethode.
Die Ozeans-Inversionsmethode basiert auf einer Auswahl von vier verschiedenen fine modes und fünf coarse modes. Der Algorithmus sucht nun das am besten passendste Paar um
die gemessenen Werte wiederzugeben. So werden die optischen Dicken und Wichtungsparameter den gemessenen Reflektanzen zugeordnet. Wenn die Kombination, welche den
atmosphärischen Zustand am ehesten beschreibt, gefunden wurde können damit noch
weitere Größen wie der effektiv Radius, spektrale Flüsse oder Massenkonzentrationen abgeleitete werden.
Der Algorithmus für Messungen über Land funktioniert ähnlich. Allerdings gibt es hier
eine zusätzliche Unbekannte, die durch die variable Oberflächenstruktur bedingt wird.
Somit muss versucht werden, über die am Satelliten gemessene spektrale Reflektanz nicht
nur aerosol-optische Dicke und Wichtungsparameter zu bestimmen, sondern auch die Bodenreflektanz (Remer et al., 2006).
3
MESSKAMPAGNE
3
3.1
14
Messkampagne
Projektbeschreibung Megacities - Megachallange
Immer neue Dimensionen in der Bevölkerungsentwicklung und Bevölkerungsdynamik bringen Probleme und Herausforderungen in vielen Bereichen mit sich. So wirken sich die
Effekte der Globalisierung unter anderem auf Politik, Wirtschaft und Umwelt aus. Um
die Vielzahl der aufgeworfenen Fragen und Probleme anzugehen, hat man das Projekt
”Megacities – Megachallenge – Informal Dynamics of Global Change” initiiert. Im Mai
2005 hat dazu die Deutsche Forschungsgemeinschaft (DFG) Fördermittel für die neun
interdisziplinären und stark verbundenen Projekte genehmigt. Innerhalb des Projektes
wurde in zwei verschiedenen Regionen, Dhaka in Bangladesch und im Perlenflussdelta in
China, über mehrere Jahre geforscht.
Die meteorologischen Messungen des Projektes hatten dabei Aerosolpartikel als Schwerpunkt. Aerosolpartikel spielen eine wichtige Rolle in Sachen Gesundheit des Menschen und
Auswirkung auf das Klima. Die Messungen erfolgten dabei in verschiedenen Kampagnen
mit unterschiedlichen Messgeräten. Dabei wurden satellitengestützte, flugzeuggetragene
und bodengebundene Messtechniken eingesetzt. Ein Schwerpunkt der Forschung war es
bestehende Verfahren zur Ableitung der aerosol-optischen Dicke durch bodengebundene
Messungen zu validieren und mit Hilfe von Flugzeugmessungen zu verbessern. (Megacities, 2015).
Im Folgenden werden bodengebundene Messdaten aus Guangzhou ausgewertet. Guangzhou ist die Hauptstadt der Provinz Guangdong und befindet sich im Perlenflussdelta. Mit
über elf Millionen Einwohnern ist Guangzhou die bevölkerungsmäßig größte Stadt der Provinz. Die bodengebundenen Strahlungsmessungen wurden auf dem Dach eines Hotels in
Guangzhou durchgeführt. Somit konnte sicher gestellt werden, dass keine Abschattungen
von anderen Häusern oder Bäumen die Messungen beeinflussen konnten. Ziel ist es, einen
neuen Algorithmus zur Ableitung von aerosol-optischen Eigenschaften aus bodengebundenen Strahlungsmessungen zu testen. Dazu soll die Sensitivität der Einfachstreualbedo
und des Asymmetrieparameters auf die Strahlungsflussdichte und Strahldichte untersucht
werden. Die dazu benutzten Messgeräte werden im Abschnitt 3.3 beschrieben.
3.2
Klimatische Einordnung
Guangzhou befindet sich auf den Koordinaten 23 o 8’ N, 113 o 16’ O und liegt somit am
Rand des Einflussbereichs der Monsunzirkulation. Typische Merkmale des Monsuns, wie
die zwei Mal jährlich wechselnde Hauptwindrichtung, sind in dem Gebiet des Perlenflussdeltas vorzufinden. Allerdings gibt es in den Wintermonaten öfters tiefe Bewölkung und
Regen, als es bei einem Wintermonsun zu erwarten wäre. Die durchschnittliche Lufttemperatur im Dezember beträgt 16 o C und im Jahr 22 o C. In der Klimaklassifikation nach
Köppen liegt Guangzhou in der C-Klimate, dem warmgemäßigten Klima. Der Klimatyp
Cw steht für ein warmes wintertrockenes Klima und der Klimauntertyp a steht für heiße
3
MESSKAMPAGNE
15
Sommer, also Sommer, in denen die mittlere Temperatur des heißesten Monats über 22 o C
beträgt (Hendl und Liedtke, 2002).
Abbildung 3.1: Klimadiagramm von der Megastadt Guangzhou.
Klimadiagramm (2015)
Ein akutes Problem, dass in den Wintermonaten in vielen asiatischen Großstädten auftritt sind Smoglagen. Diese können sich aufgrund des Zusammenspiels von verschiedenen
Faktoren ausbilden. Zum einen ist die Windgeschwindigkeit gering und die Hauptwindrichtung ist aufgrund der Monsunzirkulation aus Richtung Landesinnere. Somit wird keine
sauberere Luft aus Richtung der Meere ins Landesinnere advehiert. Zum anderen ist die
Grenzschicht sehr niedrig und es findet kaum Durchmischung mit höheren Schichten statt,
sodass sich viele Aerosolpartikel in den Großstädten sammeln können (Tiwari et al., 2012).
In Abbildung 3.2 ist die Sterblichkeitsrate pro 100 km x 100 km Gebiet für das Jahr 2010
aufgrund der Luftverschmutzung dargestellt. Zu erkennen ist, dass die Sterblichkeit wegen
der Aerosolbelastung im asiatischen Raum vor allen in China und Indien besonders hoch
ist.
Die Hauptquellen für die Aerosolbelastung sind dabei im chinesisch-indischen Raum vor
allem häusliche Quellen, die für die Verschmutzung der Luft sorgen. Darunter versteht
man hauptsächlich die Verbrennung von Biobrennstoffen zum Kochen und Heizen, sowie
das Betreiben von privaten Dieselgeneratoren (Lelieveld et al., 2015).
3
MESSKAMPAGNE
16
Abbildung 3.2: Sterblichkeit aufgrund von Luftverschmutzungen im Jahr 2010.
Lelieveld et al. (2015)
3.3
3.3.1
Messgeräte
CORAS
Das ”Compact Radiation Measurment System” (CORAS) Messsystem ist ein bodengebundenes Messsystem zur Messung verschiedener Strahlungsgrößen. CORAS kann mit
verschiedenen Messköpfen versehen werden, die unterschiedliche Größen messen können.
So kann es einen Irradianzmesskopf, Radianzmesskopf oder auch Pyrgeometer enthalten.
Abbildung 3.3 zeigt das aufgebaute CORAS Messsystem.
Der Irradianzmesskopf misst die einfallende solare Strahlung über dem kompletten Halbraum. Über die Quarzglaskuppel wird die einfallende solare Strahlung des gesamten Halbraums mithilfe von Lichtleiterkabeln zu Spektrometern geleitet. Dort wird die Strahlung
mittels eines Gitters spektral aufgeteilt. Die Photonen, die den Detektor, eine Photodiodenzeile, erreichen, werden jeweils als Count registriert. Das Rohsignal von CORAS
entspricht somit Counts pro Pixel. Jedes Pixel des Photodiodenarrays entspricht einer
bestimmten Wellenlänge.
Um aus dem Rohsignal Counts pro Pixel eine tatsächliche Strahlungsgröße zu erhalten, müssen verschiedene Korrekturen durchgeführt werden. Als erstes muss das Signal
bezüglich des Dunkelstroms berichtigt werden. Der Dunkelstrom entsteht, da das Gerät
auch durch seine Eigentemperatur Partikel emittiert, die auf den Photodiodenarrays als
Counts registriert werden. Um den Dunkelstrom aus den Messdaten herauszufiltern, muss
das Signal zwischen dem 20. und 100. Pixel gemittelt und anschließend von den Counts
jedes Pixels abgezogen werden. Dieser Bereich wird gewählt, da dies einer geringeren
Wellenlänge als 290 nm entspricht. Somit dürfte auf diesen Pixeln kein solares Signal gemessenen werden können. Das detektierte Signal auf diesen Wellenlänge entspricht somit
einem Offset und da der Dunkelstrom Wellenlänge unabhängig ist, kann er so für alle
3
MESSKAMPAGNE
17
Pixel bestimmt werden.
Abbildung 3.3: Das CORAS Messsystem auf einem Dach in Guangzhou
1: Pyrgeometer, 2: Irradianz-Einlass mit Schutzabdeckung, 3: Radianz-Einlass, 4: Datenerfassung in Aluminium-Kiste.
Mey (2012)
Anschließend müssen den Pixeln die entsprechenden Wellenlängen zugeordnet werden.
Dafür werden Spektrallampen verwendet, welche monochromatische Strahlung aussenden. Damit wurde im Vorfeld bestimmt, welches Pixel welcher Wellenlänge entspricht. Da
die Photonen aufgrund der Gittereigenschaften nicht monochromatisch abgebildet werden
können, beträgt die spektrale Auflösung drei Nanometer.
Als nächstes muss man, um aus der Einheit Counts pro Wellenlänge die Einheit der
spektralen Irradianz Watt pro Quadratmeter und Nanometer (W m−2 nm−1 ) zu erhalten,
das Signal kalibrieren. Im Labor würde das mittels einer 1000 W Lampe über eine Absolutkalibrierung durchgeführt werden. Daraus lassen sich Kalibrierfaktoren bestimmen.
Dies ist bei Feldversuchen aber nicht möglich, da sich die vorherrschenden Bedingungen
durch den Auf- und Abbau verändern. Deshalb wird im Feld eine Transferkalibrierung
mit einer Ulbricht-Kugel durchgeführt, die im Labor wiederholt wird. Aus der Verschiebung des gemessenen Signals aus der Labor- und Feldmessung kann eine Korrektur des
Signals vorgenommen werden. Zusätzlich ist eine Kosinuskorrektur durchzuführen, da der
3
MESSKAMPAGNE
18
verwendete optische Einlass der spektralen Strahlungsflussdichte keine ideale Kosinuscharakteristik aufweist.
Eine ähnliche Vorgehensweise erfordert auch die Kalibration des Radianzmesskopfes. Der
Unterschied zwischen den beiden Messköpfen besteht darin, dass der Radianzmesskopf keine Quarzkuppel besitzt, sondern die ankommende Strahlung mit einem Öffnungswinkel
von 2,1o misst. Auf Grundlage der einzelnen Kalibrationen und Korrekturen, sowie der
Unsicherheit des Spektrometers ergibt sich ein Gesaamtfehler der Strahlungsflussdichte
von 5 % und für die Strahldichte 10 %. Eine weiterführende Beschreibung des CORAS
Messsytems leifert Mey (2012).
3.3.2
Weitere Messgeräte
Weitere eingesetzte Messgeräte waren ein LIDAR, eine Hyperspektralkamera und ein Sonnenphotometer. Das Sonnenphotometer misst die direkte solare Strahlung, welche über
das Beer-Lambert-Bouguer Gesetz beschrieben werden kann. Das vor Ort verwendete
Sonnenphotometer gehörte zum AERONET Verbund. Eine Beschreibung der Methodik
der Sonnenphotometermessung erfolgt in Kapitel 2.5.1. Aus den Messungen des Sonnenphotometers wurden verschiedene aerosol-optische Eigenschaften abgeleitet. Die aerosoloptische Dicke diente dabei als eine Ausgangsgröße für den Untersuchten Algorithmus. Die
vom Sonnenphotometer abgeleiteten Einfachstreualbedo- und Asymmetrieparameterwerte wurden als Vergleichswerte benutzt.
Das LIDAR misst das Rückstreusignal eines ausgesandten Laserimpulses. Mithilfe des
detektierten Signals lässt sich nachträglich entscheiden, ob Bewölkung vorlag oder wolkenlose Bedingungen vorhanden waren. Eine Beschreibung des LIDARs gibt Althausen
et al. (2009). Außerdem wurde die AisaEAGLE Hyperspektralkamera eingesetzt. Diese
misst mit einem Öffnungswinkel von 37,7 o . Die AisaEAGLE Daten werden dabei dazu
verwendet, um die Kalibration von CORAS überprüfen zu können.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
4
19
Ableitung von aerosol-optischen Eigenschaften
Im Folgenden werden die Daten, die in Rahmen des ”Megacities – Megachellenges” Projekt gemessen wurden, zur Untersuchung verwendet. Der Messzeitraum war dabei vom
03.11.2011 bis 02.01.2012 in der Megastadt Guangzhou. Da aerosol-optische Eigenschaften aus bodengebundenen Strahlungsmessungen abgeleitet werden sollen, können keine
Wolkenfälle berücksichtigt werden. Somit wurden zunächst mit Hilfe der AERONET Level 2 und LIDAR-Daten alle wolkenfreien Fälle im Messzeitraum bestimmt. Anschließend
wurden Strahlungstransferrechnungen durchgeführt und ein Algorithmus zur Ableitung
der Einfachstreualbedo und des Asymmetrieparameters aus Messungen der Strahlungsflussdichte und Strahldichte entwickelt. Vorausgesetzt werden muss bei der Methode, dass
die aerosol-optische Dicke bekannt sein muss.
4.1
Validierung der CORAS Messungen
Zunächst wurden die mit CORAS gemessenen Strahlungsflussdichten und Strahldichten,
wie in Kapitel 3.3.1 beschrieben, kalibriert. Zur Überprüfung der Qualität der gemessenen Größen wurden die Daten auf zwei verschiedene Varianten verglichen. Zum einen
über eine Strahlungstransferrechnung mit libRadtran und zum anderen mit kalibrierten
AisaEAGLE Daten.
Um eine möglichst genaue Simulation durchführen zu können, wurde ein wolkenloser Zeitpunkt gewählt, zu dem alle nötigen Informationen verfügbar waren. Es wurden über Messungen des Sonnenphotometers die wellenlängenabhängige aerosol-optische Dicke, die Einfachstreualbedo und der Asymmetrieparameter abgelesen und es wurden die Angströmparameter bestimmt. Des Weiteren wurde ein Höhenprofil der Aerosolschicht mit Hilfe
der LIDAR Messung bestimmt. Auch spektrale Informationen der Parameter flossen in
die Simulation mit ein. Dabei wurden eine Standardatmosphärendatei und die Solardatei
von Gueymard (2003) (NewGuey2003) verwendet. Als RTE solver wurde disort2 verwendet. Außerdem wurde eine auf CORAS angepasste Spaltfunktion benutzt. Die Simulation
wurde für den Spektralbereich von 300 nm bis 1100 nm durchgeführt. Simuliert wurden
die Strahlungsflussdichte und die Strahldichte.
4
20
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
(a) Strahlungsflussdichte
(b) Strahldichte
Abbildung 4.1: Vergleich zwischen Simulation (rot) und Messung (schwarz).
In den Abbildungen 4.1 sind auf der Abszissenachse jeweils die Wellenlängen dargestellt. Die auf der Ordinatenachse dargestellten Werte sind die spektrale abwärtsgerichtete
Strahlungsflussdichte links und die spektrale abwärtsgerichtete Strahldichte rechts. Im
Folgenden werden immer die spektralen und abwärtsgerichteten Strahlungsgrößen gemeint, solange diese nicht anders beschrieben werden. Die gemessenen und kalibrierten
Daten sind in Abbildung 4.1 dabei in schwarz dargestellt und die simulierten Werte in
rot. Die Strahlungsflussdichte liefert größere Werte, da sie Informationen aus dem gesamten Halbraum beinhaltet. Die Simulation der Strahlungsflussdichte lag auch näher an den
gemessenen Werten, als bei der Strahldichte. Dennoch lag die Abweichung der simulierten und gemessenen Strahlungskurven innerhalb des jeweilig typischen Fehlerbereichs des
Messgerätes. Die Fehlerbereiche betrugen dabei für die Strahlungsflussdichte 5 % und für
die Strahldichte 10 %.
(a) 4:57 UTC
(b) 5:03 UTC
Abbildung 4.2: Vergleich zwischen EAGLE (rot) und CORAS Werten (schwarz). Zusätzlich
werden die Fehlerbereiche mit gepunkteten Linien angegeben.
Zum Vergleich der CORAS und AisaEAGLE Strahldichten wurde ein unbewölkter Fall
gesucht, zu dem von beiden Geräten Messdaten vorlagen. Da das AisaEAGLE System
einen deutlich größeren Öffnungswinkel als CORAS besitzt, wurde zur Vergleichbarkeit
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
21
nur das mittlere, in den Zenit schauende, Pixel vom AisaEAGLE zur Auswertung herangezogen. Abbildung 4.2 zeigt den Vergleich der Messsysteme. Dabei ist in beiden Bildern
auf der Abszissenachse die Wellenlänge und auf der Ordinatenachse die Strahldichte dargestellt. Die rote Kurve repräsentiert die CORAS Werte und die schwarze die EAGLE
Daten. Der Zeitabstand zwischen den beiden Spektren beträgt etwa sechs Minuten. Zu
beiden Zeitpunkten lag die Abweichung unter den 10 % Fehlerbereich. Zu Zeitpunkt eins
betrug die Abweichung im Mittel 6 % und zu Zeitpunkt zwei nur 3 %. Dies zeigt, dass die
Kalibration von CORAS hinreichend genau durchgeführt wurde. Dennoch wird zur Ableitung der Werte der 10 % Gerätefehler für die Strahldichte verwendet, da aufgrund des
kleinen Öffnungswinkels nur eine relativ geringe Anzahl an Photonen den Sensor erreicht
und somit bereits kleine Schwankungen zu größeren Ungenauigkeiten führen können.
4.2
Ableitungsmethode
Die Ableitung der Einfachstreualbedo und des Asymmetrieparameters aus gleichzeitigen
Strahlungsflussdichte- und Strahldichtemessungen erfolgt mit Hilfe von Strahlungstransportrechnungen beider Strahlungsgrößen unter Variation der Einfachstreualbedo und des
Asymmetrieparameters. Die Strahlungstransferrechnungen wurden dabei mit libRadtran
durchgeführt. Da es sich bei den Parametern um spektral abhängige Größen handelt, soll
das Verfahren hier exemplarisch nur für eine Wellenlänge von 500 nm getestet werden. Als
Gründe dafür fungierten zum einen, dass die AERONET Messung die aerosol-optische Dicke auf der 500 nm Wellenlänge misst, es eine Nähe zu den LIDAR Messungen gibt und
dass die aerosol-optische Dicke noch genügend große Werte liefert.
Es wurden Strahlungsflussdichten und Strahldichten für die Wellenlängen von 495 bis
505 nm simuliert. Diese wurden wieder mit dem RTE solver disort2 und einer für CORAS
typischen Spaltfunktion berechnet. Zur Auswertung wurde nur die 500 nm Wellenlänge
benutzt. Für jeden auszuwertenden Fall wurden die Strahlungen für eine aus AERONET
Messungen bestimmte aerosol-optische Dicke, für eine Einfachstreualbedo von 0,8 bis 1
und einen Asymmetrieparameter von 0,5 bis 0,9 bestimmt. Außerdem musste für jeden
Zeitpunkt der aktuelle Sonnenzenitwinkel bestimmt und in der Simulation berücksichtigt
werden. Die Schrittweite für die aerosol-optischen Eigenschaften betrug dabei 0,02 und
für die Zenitwinkel 1 o . Anhand dieser Daten wurden sogenannte Look-Up-Tables erstellt,
aus denen das Parameterpaar gesucht wurde, dass Anhand der eingehenden Werte das
am besten passende ist. Zur anschaulichen Darstellung können die simulierten Strahlungsgrößen als ein Gitter abgetragen.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
22
Abbildung 4.3: Gitter ohne Messwerte, das zur Ableitung von aerosol-optischen Eigenschaften
verwendet wird.
In Abbildung 4.3 ist ein solches Gitter zu sehen. Dabei ist auf der Abszissenachse die
Strahlungsflussdichte in Milliwatt pro Quadratmeter und Nanometer und auf der Ordiantenachse die Strahldichte in Milliwatt pro Quadratmeter, Nanometer und Steradiant
abgetragen. Auf dem Gitter sind die horizontaler verlaufenden Linien, die Einfachstreualbedowerte und die eher vertikal verlaufenden Linien, die Asymmetrieparameterwerte.
Zusätzlich angegeben sind die aerosol-optische Dicke und der aktuelle Sonnenzenitwinkel.
Da die Auflösung des Gitters für die angestrebte Auswerteroutine nicht hinreichend ist,
musste das Gitter zusätzlich interpoliert werden. Dabei wurde die Schrittweite für die
aerosol-optischen Eigenschaften auf 0,005 gesetzt. Außerdem wurde auch die Zenitwinkelauflösung auf 0,1 o interpoliert. Dies war nötig, da der Zenitwinkel sich innerhalb kurzer
Zeiträume schnell ändert und dieser einen großen Einfluss auf die abgeleiteten Größen
hat. Abbildung 4.4 zeigt ein interpoliertes Gitter.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
23
Abbildung 4.4: Interpoliertes Gitter ohne Messwerte, das zur Ableitung von aerosol-optischen
Eigenschaften verwendet wird.
Der Anschaulichkeit halber wird das weitere Vorgehen an einem nicht interpolierten Gitter demonstriert. Bei der Datenauswertung wurden jedoch die interpolierten Gitter verwendet. In jedes Gitter werden die von CORAS gemessenen Strahlungsflussdichten und
Strahldichten jeweils als ein Punkt abgetragen. Zusätzlich werden an diesem Punkt die
vorher festgelegten Messfehler abgetragen. Alle Asymmetrieparameter und Einfachstreualbedo Paare, die um den Messspunkt im Fehlerbereich liegen, könnten theoretisch die
aktuellen Atmosphärenbedingungen beschreiben. Abbildung 4.5 zeigt ein Gitter mit Messpunkt (schwarz) und Fehlerbereich (rot). Alle Gitterpunkte, die innerhalb des Fehlerbereichs um den Messwert liegen, sind theoretische und mögliche Lösungen. Eine Möglichkeit
den wahrscheinlichsten Atmosphärenzustand zu finden, wäre es, den Mittelwert aus allen
gefundenen Punkten zu bilden. Dies allerdings würde zu einer Verzerrung der wahren Begebenheiten führen, da das Gitter nicht symmetrisch um den Punkt aufgebaut ist. Dies
zeigt sich auch, wenn man die gefundenen Werte als Histogramm darstellt.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
24
Abbildung 4.5: Ein Gitter mit Messwert (schwarz) und Fehlerbereich (rot).
Abbildung 4.6 zeigt, dass die Verteilungen schiefsymmetrisch sind. Dargestellt sind in
beiden Abbildungen jeweils der Asymmetrieparameter beziehungsweise die Einfachstreualbedo auf der Abszissenachse und jeweils die Häufigkeit der aufgetretenen Werte auf der
Ordinatenachse. Dabei wird deutlich, dass das Maximum jeweils nach rechts verschoben
ist. Deshalb wird als abgeleiteter Wert der Median verwendet. Als Fehler für die abgeleiteten Größen wird die Standardabweichung der gefundenen Punkte benutzt.
Abbildung 4.6: Beispielhistogramme der aerosol-optischen Eigenschaften, die vom Algorithmus
abgeleitet werden.
4.3
Messfälle
Im folgenden Abschnitt werden verschiedene Fälle gezeigt, die mit oben beschriebener Methode und mit einem interpolierten Gitter ausgewertet wurden. Die acht Messfälle werden
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
25
außerdem jeweils mit den Messwerten des Sonnenphotometers aus dem AERONET Verbund verglichen. Die Fälle wurden so ausgewählt, dass zu den jeweiligen Zeitpunkten
immer alle wichtigen Messwerte der verschiedenen Geräte vor lagen. So war es unausweichlich, dass zu den verschiedenen Messzeitpunkten oft sehr verschiedene Bedingungen
vor lagen. Dies besitzt zwar auch positive Aspekte, wie jener, dass ein breites Spektrum
an verschiedenen Begebenheiten abgedeckt wird. Allerdings macht es auch die Vergleichbarkeit der einzelnen Fälle schwierig. Die einzelnen Messfälle decken meist etwa einen
Zeitraum von 30 Minuten bis über zwei Stunden ab. Dabei wurden nur Fälle betrachtet,
in denen die aerosol-optische Dicke innerhalb des Zeitraums möglichst konstant war. Die
Messfälle werden sortiert nach der optischen-Dicke betrachtet. Begonnen wird dabei mit
einem Fall, mit der geringsten aerosol-optischen Dicke.
4.3.1 Messfall 1: AOD = 0,25
Der erste Messfall stammt vom 11.12.2011. Der betrachtete Zeitraum war von 5:56 UTC
bis 8:36 UTC. Guangzhou befindet sich in der Zeitzone UTC+8 und somit liegt der Zeitraum am Nachmittag. Der Zenitwinkel in dem Zeitraum betrug zu Beginn 51 o und am
Ende 76 o . Die Sonne stand also am Ende des Zeitraums relativ tief am Himmel. Das Sonnenphotometer hat eine aerosol-optische Dicke von 0,25 gemessenen. Im Mittel innerhalb
des betrachteten Zeitraums betrugen die Einfachstreualbedo 0,88 und der Asymmetrieparameter 0,67 (siehe Abbildungen 4.7 und 4.8).
Abbildung 4.7: Einfachstreualbedo und Asymmetrieparameter, die über die Sonnenphotometermessungen vom 11.12.2011 bestimmt wurden.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
26
Abbildung 4.8: Aerosol-optische Dicke für die Wellenlänge 500 nm vom 11.12.2011.
Abbildung 4.9: Ein Gitter zur Ableitung der aerosol-optischen Eigenschaften, mit zwei Messpunkten, die außerhalb des Gitterbereiches liegen.
Die Werte waren auch innerhalb des Zeitraums relativ konstant. Somit hätte erwartet
werden dürfen, dass die abgeleiteten Werte, die mit dem in Kapitel 4.2 beschriebenen
Algorithmus bestimmt wurden, auch konstant in dem Bereich liegen würden. Auf Abbildung 4.9 ist aber zu erkennen, dass die abgeleiteten Werte (rote Punkte) außerhalb des
Gitterbereichs zu finden sind. Dies war nicht nur zu dem dargestellten Zeitpunkt, sondern
im gesamten Zeitraum des Messfalls so abzulesen gewesen. Da der Messpunkt nicht im
Gitterbereich liegt, ist es auch nicht sinnvoll eine Zeitreihe darzustellen, da diese aufgrund
dessen stark verfälscht wäre. Auch eine Berechnung eines größeren Gitterbereichs ist nicht
sinnvoll, da die Werte die dann abgeleitet werden würden, nicht realistisch wären. Somit
bleibt festzuhalten, dass der Algorithmus in dem ersten Fall nicht funktioniert hat. Als
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
27
mögliche Gründe könnten entweder die aerosol-optische Dicke oder der Sonnenzenitwinkel
herhalten. Auch wäre es möglich, dass die Methode zu Sensitiv auf Inhomogenitäten reagiert, so dass mit der Methode keine realistischen Werte abgeleitet werden können. Nach
nur einem Einzelfall kann man dazu allerdings noch keine Aussagen treffen.
4.3.2 Messfall 2: AOD = 0,42
Messfall zwei stammt vom 14.11.2011. Es wurde der Zeitraum von 2:14 UTC bis 3:36 UTC
betrachtet. Dies entspricht Zenitwinkeln von 50 o bis 42 o . An dem Tag betrug der astronomisch maximal mögliche Zenitwinkel etwa 41 o . Der Zeitraum liegt also kurz nach Sonnenhöchststand zur Mittagszeit. Die aerosol-optische Dicke betrug 0,42. Im betrachteten
Messzeitraum gab es zwei AERONET Messungen zu den aerosol-optischen Eigenschaften.
Eine um 2:19 UTC und eine um 3:16 UTC. Zu beiden Zeitpunkten betrug die Einfachstreualbeso etwa 0,88 und der Asymmetrieparameter ungefähr 0,72.
Abbildung 4.10: Aerosol-optische Dicke für die Wellenlänge 500 nm vom 14.11.2011.
In der Abbildungen 4.10 ist die Sonnenphotometer Messung der aerosol-optischen Dicke
zu sehen. Diese variierte im Betrachteten Zeitraum von 0,4 bis 0,42. Abbildung 4.11 zeigt
die Gitter mit den CORAS Messwerten. Die erwartete Position der CORAS-Messwerte
im Gitter wäre in der Nähe der gemessenen AERONET Werte. Die roten Punkte sind die
tatsächlichen Messwerte. Auch in dem Fall passen die mit dem Algorithmus abgeleiteten
Werte nicht mit dem nach AERONET bestimmten Werten zusammen. Dabei sind die
Fälle mit tiefer stehender Sonne besser, als die zum Sonnenhöchststand hin. Dies ließ sich
nicht nur zu den beiden konkreten Zeitpunkten, sondern über den ganzen Messzeitraum
des zweiten Messfalls beobachten. Aber ob dabei wirklich ein Zusammenhang zwischen
Zenitwinkel und Qualität der abgeleiteten Werte besteht, lässt sich nur Anhand des einen
Falles nicht ausmachen, da zusätzlich zu viele Unbekannte über die tatsächlichen Atmosphärenbedingungen vorliegen. Insgesamt bleibt bei dem Messfall festzuhalten, dass die
Ergebnisse, obwohl sie zum Teil außerhalb des Gitterbereichs liegen, besser waren, als im
ersten Messfall.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
28
(a) Gitter mit Messwerten von 2:19 UTC
(b) Gitter mit Messwerten von 3:16 UTC
Abbildung 4.11: Zwei Gitter mit Messwerten vom 14.11.2011.
4.3.3 Messfall 3: AOD = 0,58
Der 28.11.2011 ist der nächste Tag, von dem ein Zeitraum untersucht wurde. Betrachtet
wurde hier die Zeit von 0:20 UTC bis 1:27 UTC. Die Zenitwinkel in dem Zeitraum variierten von 72 o bis 60 o . Die aerosol-optische Dicke beträgt 0,58. Eine Einfachstreualbedo
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
29
0,89 von und ein Asymmetrieparameter von 0,71 wurden um 4:30 UTC gemessen. Im auszuwertenden Zeitraum gab es keine extra Messung der aerosol-optischen Eigenschaften.
Somit ist die Vergleichbarkeit in dem Falle nicht im vollen Maße gewährleistet. Dennoch
wurde dieser Fall näher beleuchtet. Abbildungen 4.12 zeigen jeweils ein Gitter vom Anfang
und eins vom Ende des betrachteten Zeitraums.
(a) Gitter mit Messwerten von 0:20 UTC
(b) Gitter mit Messwerten von 1:27 UTC
Abbildung 4.12: Zwei Gitter mit Messwerten (rot) vom 28.11.2011.
Dabei ist zu erkennen, dass sich die Messwerte in beiden Fällen innerhalb des Gitters
befinden. Somit kann man in dem Fall die ganze Zeitreihe darstellen. Weiterhin ist zu
erkennen, wie stark sich die Gitter aufgrund des Sonnenzenitwinkels verändern. In den
Abbildungen 4.12 wurde jeweils die selbe Skalierung auf der Abszissen- und Ordinatenachse verwendet und dennoch befinden sich die Gitter in gegenüber liegenden Ecken des
Plots. Aufgrund dieses Einflusses mussten die Look-Up-Tables sehr fein aufgelöst gerechnet werden.
Abbildung 4.13 zeigt die Zeitreihe der Einfachstreualbedo und des Asymmetrieparameters. Auf der Abszissenachse ist die Zeit in Sekunden abgetragen. Referenzzeitpunkt ist
dabei jeweils 0 UTC des entsprechenden Tages. auf der Ordinatenachse sind der Asymmetrieparameter und die Einfachstreualbedo abgetragen. Die untere Kurve ist dabei jeweils
der Asymmetrieparameter. Dabei gab es aller 20 Sekunden einen Messwert.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
30
Abbildung 4.13: Zeitreihe der aerosol-optischen Eigenschaften vom 28.11.2011.
Abbildung 4.14: Messwerte der LIDAR Messung vom 28.11.2011.
Polly.Net (2015)
Zu erkennen ist in der Abbildung 4.13, dass der Asymmetrieparameter größeren Schwankungen unterliegt, als die Einfachstreualbedo. Betrachtet man zusätzlich das LIDAR Si-
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
31
gnal in Abbildung 4.14 so zeigt sich, dass das Rückstreusignal in dem Bereich stärker wird,
in dem auch der Asymmetrieparameter größere Werte anzeigt. Der Asymmetrieparamter
scheint also sensitiver auf Inhomogenitäten innerhalb der Aerosolschicht zu reagieren. Dies
liegt darin begründet, dass die Gitterausrichtung für den Asymmetrieparameter fast parallel zu der Ordinatenachse verläuft, auf der die Strahldichten abgetragen sind. Geringe
Änderungen der Strahldichte können somit zu großen Veränderungen des Asymmetrieparameters führen. In der Gesamtheit betrachtet, sind die abgeleiteten Werte plausibel. Für
diesen Messfall liefert der Algorithmus ein gutes Ergebnis.
4.3.4 Messfall 4: AOD = 0,73
Der nächste betrachtete Tag ist der 31.12.2011. Der Messfall vier erstreckt sich dabei über
zwei Stunden von 6:15 UTC bis 8:22 UTC. Die von AERONET gemessene optische Dicke
beträgt 0,73. Die Einfachstreualbedo beträgt 0,91 und der Asymmetrieparameter 0,73.
Gemessen wurden diese Werte um 6:36 UTC. Der Sonnenzenitwinkel veränderte sich in
dem Messzeitraum von 53 o bis 73 o .
Abbildung 4.15: Zeitreihe der aerosol-optischen Eigenschaften vom 31.12.2011.
In Abbildung 4.15 ist der zeitliche Verlauf der Einfachstreualbedo (obere Kurve) und des
Asymmetrieparameters (untere Kurve) dargestellt. Zu erkennen ist, dass die AERONET
Werte und die abgeleiteten Werte sehr gut übereinstimmen. Die AERONET Werte liegen bei beiden Parametern im Fehlerbereich der abgeleiteten Werte. Dabei wird nicht
berücksichtigt, dass auch die AERONET Werte einen Fehler von etwa 5 % aufweisen.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
32
Dieser müsste sowohl bei der in das Modell eingehenden optischen Dicke, als auch bei den
von AERONET abgeleiteten Größen berücksichtigt werden. In Anbetracht dieser Tatsache, könnten die vom Algorithmus abgeleiteten Werte auch die tatsächlich aufgetretenen
Werte widerspiegeln. Eine genauere Betrachtung der Fehler erfolgt in Kapitel 5.
Über den ganzen Zeitraum betrachtet zeigt sich, dass die Werte relativ konstant bleiben. Nach Schwankungen pegeln sich die Werte meist wieder auf einem festen Niveau
ein. Der Verlauf der beiden Kurven ist analog zueinander. Beide Kurven haben zu Beginn der Zeitreihe kleinere Ausschläge nach unten und oben. Am Ende haben auch beide
Kurven einen leicht positiven Anstieg. Dies zeigt, dass die Messbedingungen an dem Tag
sehr gut gewesen sein müssen. Etwa ab der Hälfte des Messfalls müssen relativ homogene
Bedingungen über den ganzen Halbraum vorgelegen haben. Obwohl innerhalb des Messfalls eine Änderung des Sonnenzenitwinkels von 20 o vollführt wird, scheint dies aufgrund
des gut aufgelösten Gitters keinen negativen Einfluss auf die abgeleiteten Werte zu haben.
4.3.5 Messfall 5: AOD = 0,94
Messfall fünf bezieht sich auf den 01.01.2012 in der Zeit von 4:47 UTC bis 5:31 UTC.
Obwohl das traditionelle chinesische Neujahrsfest erst Ende Januar oder Anfang Februar
gefeiert wird, gibt es in zahlreichen chinesischen Großstädten auch zum Jahreswechsel
nach dem gregorianischen Kalender ein Fest mit Feuerwerk. Deshalb gibt es in den meisten Großstädten zu Neujahr immer eine besonders hohe Aerosolbelastung. Die aerosoloptische Dicke betrug daher auch 0,94.
Die AERONET Daten, für die aerosol-optischen Eigenschaften stammen etwa von einer
Viertelstunde vor Beginn des Messzeitraums um 4:32 UTC. Dabei wurde eine Einfachstreualbedo von etwa 0,995 und ein Asymmetrieparameter von 0,695 gemessen. Gerade
die Einfachstreualbedo erscheint dabei extrem groß zu sein. Betrachtet man Abbildung
4.16, so erkennt man im LIDAR Signal, dass zwischen 4:30 UTC und 5:00 UTC auf etwa 3000 m Höhe eine dünne Wolkenschicht vorhanden war. Dies würde erklären, dass die
Werte unter Umständen nicht korrekt bestimmt worden sind. Das hängt damit zusammen,
dass die aerosol-optischen Eigenschaften nur als Level 1,5 Daten vorliegen. Die Zenitwinkel variierten von 46,4 o bis 48,5 o . Da im Messzeitraum annähernd der Sonnenhöchststand
von 46,2 o vorlag, variierten die Zenitwinkel im betrachteten Fall nur gering.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
33
Abbildung 4.16: Messwerte der LIDAR Messung vom 01.01.2012 von etwa 0 bis 6 UTC.
Polly.Net (2015)
Abbildung 4.17: Zeitreihe der aerosol-optischen Eigenschaften vom 01.01.2012 von 4:47 UTC
bis 5:31 UTC.
Wie beschrieben zeigen die LIDAR Daten, dass zu Beginn des betrachteten Zeitraums
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
34
auch eine dünne Bewölkung vorlag. Dies erklärt die stärkeren Schwankungen der Asymmetrieparameter Werte am Anfang des Messfalls. Insgesamt wurden über den Algorithmus
auch eine sehr hohe Einfachstreualbedo von etwa 0,93 im Mittel abgeleitet. Die abgeleiteten Größen erscheinen dabei als realistische Werte. In einer Publikation von Alam et
al. (2011) wurde gezeigt, dass Einfachstreualbedowerte von etwa 0,92 in Wintermonaten
auftreten können. Dabei ist die Vergleichbarkeit relativ hoch, da sich sowohl Alam et al.
(2011), als auch die hier betrachteten Fälle auf eine Megastadt in der Nähe von einem
großen Meer beziehen. Allerdings kann man nie sicher wissen, wie nun die tatsächliche Zusammensetzung des Aerosols zu den jeweiligen betrachteten Zeitpunkten war. Somit lässt
sich auch nicht sagen, wie groß die tatsächlichen Werte hätten sein müssen. Allerdings
da sich die mit dem Algorithmus abgeleiteten Werte mit den Ergebnissen einer anderen
Studie decken, ist anzunehmen, dass dieser in dem Fall auch realistische Ergebnisse liefert.
Somit ist trotz der relativ großen Abweichung zu den AERONET Werten davon auszugehen, dass der Algorithmus in dem Fall richtige Werte abgeleitet hat.
4.3.6 Messfall 6: AOD = 1,02
Der sechste untersuchte Messfall stammt ebenfalls vom 01.01.2012. Der Zeitraum war
von 6:32 UTC bis 8:34 UTC. Dieser Zeitraum wurde von den AERONET Algorithmen
als bewölkter Fall erkannt und somit im Level 2 verworfen. Dieser Fall soll exemplarisch
zeigen, welche Auswirkungen Wolken auf das Ableitungsverfahren besitzen. Die aerosoloptische Dicke wurde dabei aus den AERONET Level 1 Daten bezogen (Abbildung 4.18).
Die durchschnittliche optische Dicke war dabei 1,02. Der Sonnenzenitwinkel am Anfang
des Zeitraums betrug 55 o und am Ende betrug er 77 o . Um 8:41 UTC lag eine Messung
der aerosol-optischen Eigenschaften von AERONET (Level 1,5) vor. Dabei wurde eine
Einfachstreualbedo von 0,975 und ein Asymmetrieparamter von 0,73 bestimmt.
Abbildung 4.18: Level 1 Daten der aerosol-optische Dicke für die Wellenlänge 500 nm vom
01.01.2012.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
35
Abbildung 4.19: Messwerte der LIDAR Messung vom 01.01.2012 von etwa 6 bis 12:41 UTC.
Polly.Net (2015)
Abbildung 4.20: Zeitreihe der aerosol-optischen Eigenschaften vom 01.01.2012 von 6:34 UTC
bis 8:39 UTC.
Wie die LIDAR Daten in Abbildung 4.19 zeigen, lag nur am Anfang der Zeitreihe leichte
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
36
Bewölkung vor und am Ende der Zeitreihe lag stärkere Bewölkung vor. Dies zeigt sich
auch in der Zeitreihe der abgeleiteten Werte. Im Zeitraum, der nach den LIDAR Daten
unbewölkt war, sind die abgeleiteten Werte konstant. Die Einfachstreualbedo liegt bei
etwa 0,91 und der Asymmetrieparamter bei 0,71. Diese liegen damit wieder in einem realistischen Bereich. Als die Bewölkung im zweiten Drittel der Messreihe aufzieht, gehen die
Werte zunächst stark zurück. Anschließend steigt die Einfachstreualbedo fast auf 1 an.
Dies stimmt mit den AERONET Werten, die im Messfall fünf bei bewölkten Bedingungen
erhoben wurden, sehr gut überein. Das heißt, dass bei bewölkten Bedingungen, die Streuung der Wolken einen viel größeren Anteil, als die Absorption durch die Partikel besitzt.
Darüber hinaus könnten Effekte an Wolkenrändern zusätzlich zur diffusen Strahlung einen
entscheidende Rolle spielen. Das wichtigste ist, dass der Algorithmus unter wolkenfreien
Bedingungen, die aerosol-optischen Eigenschaften ableiten soll. Somit ist davon auszugehen, dass die abgeleiteten Werte falsch sind. Dennoch stimmen die AERONET Werte, die
von kurz nach dem Ende der Messreihe stammen sehr gut, mit den abgeleiteten Werten
überein.
4.3.7 Messfall 7: AOD = 1,13
Als nächstes wird der 2.1.2012 betrachtet. Die aerosol-optische Dicke ist auch einen Tag
nach den Silvesterfeierlichkeiten noch immer sehr hoch. Sie betrug an diesen letzten Tag,
an denen Messungen mit CORAS in Rahmen des Projekts durchgeführt wurden, 1,13.
Die Einfachstreualbedo betrug 0,92 und der Asymmetrieparameter 0,73. Die beiden Werte wurden um 6:33 UTC gemessen. Der betrachtete Zeitraum erstreckte sich von 6:16 UTC
bis 6:48 UTC. Der Sonnenzenitwinkel reichte von 51,7 o bis 58 o .
Die Zeitreihe 4.21 zeigt, dass die Bedingungen sehr gleichbleibend waren. Auch die aerosoloptische Dicke war im betrachteten Zeitraum relativ konstant (Abbildung 4.22). Die über
AERONET bestimmten Werte sind dabei jeweils etwas größer, als die mit dem Algorithmus abgeleiteten. Dennoch liegen die Werte zumindest im Fehlerbereich der abgeleiteten
Werte. Generell sind die Werte in einem typischen Größenbereich, sodass die Werte in
dem Fall von dem Algorithmus richtig erfasst wurden.
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
37
Abbildung 4.21: Zeitreihe der aerosol-optischen Eigenschaften vom 02.01.2012.
Abbildung 4.22: Aerosol-optische Dicke für die Wellenlänge 500 nm vom 02.01.2012.
4.3.8 Messfall 8: AOD = 1,14
Der letzte betrachtete Fall stammt vom 29.11.2011. An dem Tag gab es eine noch größere
aerosol-optische Dicke, als nach dem Jahreswechsel. Sie betrug 1,14. Eine Messung der
aerosol-optischen Eigenschaften fand um 1:34 UTC statt. Die Einfachstreualbedo betrug
4
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
38
dabei 0,925 und der Asymmetrieparameter 0,74. Der betrachtete Messzeitraum erstreckte
sich von 0:47 UTC bis 1:30 UTC. Der Sonnenzenitwinkel betrug zu Beginn 67 o und am
Ende 59 o .
Abbildung 4.23: Zeitreihe der aerosol-optischen Eigenschaften vom 29.11.2011.
Obwohl die AERONET Werte vom Ende der Messreihe stammen, stimmen sie am Anfang
deutlich besser mit den abgeleiteten Werten überein. Die Asymmetrieparameterwerte liegen mehr als 0,05 auseinander und die AERONET Werte befinden sich somit nicht mehr
im Fehlerbereich der vom Algorithmus abgeleiteten Werte. Die Einfachstreualbedowerte
stimmen fast überein. In den LIDAR Daten ist zu sehen, dass die Aerosolschichten inhomogen sind und auch aus mehreren Schichten bestehen. Dadurch kann es zu Variationen
in der Strahldichte kommen. Die abgeleiteten Werte basieren auf idealisierten Annahmen.
Somit kann es zu Fehlern kommen, wenn von der Norm abweichende Bedingungen vorliegen. Dennoch werden vor allem am Anfang der Zeitreihe sehr gute Ergebnisse erzielt und
der Algorithmus bestimmt keine abwegigen Werte.
4.3.9 Zusammenfassung der Messfälle
In der Tabelle 4.1 sind die acht Messfälle zusammengefasst dargestellt. In der zweiten
Spalte steht, über welche Werte sich der Sonnenzenitwinkel bei dem jeweils betrachteten
Fall erstreckt hat. Die dritte Spalte gibt den Sonnenzenitwinkel an, der zu dem Zeitpunkt
vorlag, von dem die Werte in den Spalten sieben und acht stammen. Diese Spalten geben
die vom Algorithmus abgeleiteten Werte für die Einfachstreualbedo und den Asymme-
4
39
ABLEITUNG VON AEROSOL-OPTISCHEN EIGENSCHAFTEN
trieparameter an. Die Spalten fünf und sechs beinhalten die von AERONET abgeleiteten
Werte für die Parameter. Dabei wurde jeweils die AERONET Messung betrachtet, die
am zeitlich nächsten zu der Messreihe vorlag. Im Idealfall lag diese dabei im betrachteten
Zeitraum.
Es ist zu erkennen, dass unabhängig vom Sonnenzenitwinkel immer plausible Werte abgeleitet werden konnten, solange die aerosol-optische Dicke nicht zu gering ist. In den
meisten Fällen liegen die AERONET Werte innerhalb des Fehlerbereichs von dem vom
Algorithmus abgeleiteten Werten. In den Fällen in denen es zu Abweichungen kam, wurden die Gründe bei den einzelnen Messfällen beschrieben.
Tabelle 4.1: Übersicht über die verschiedenen Messfälle.
Messfall
1
2
3
4
5
6
7
8
SZA in o
51 - 76
50 - 42
72 - 60
53 - 73
46,4 - 48,5
55 - 77
51,7 - 58
67 - 59
SZAM es
60o
55,6o
46,4o
77o
54,8o
59o
AOD
0,25
0,42
0,58
0,73
0,94
1,02
1,13
1,14
SSA
0,88
0,88
0,89
0,91
0,995
0,975
0,92
0,925
ASY
0,67
0,72
0,71
0,73
0,695
0,73
0,73
0,74
SSAabgeleitet
< 0,8
< 0,83
0,87±0,02
0,905±0,017
0,935±0,014
0,955±0,012
0,910±0,012
0,915±0,011
ASYabgeleitet
< 0,6
< 0,6
0,67±0,033
0,72±0,028
0,715±0,03
0,715±0,029
0,705±0,03
0,680±0,033
5
FEHLERDISKUSSION
5
40
Fehlerdiskussion
Wie in Kapitel 4.3 gezeigt werden konnte, liefert der Algorithmus oft Ergebnisse, die in
einem realistischen Größenbereich liegen. Dennoch gab es auch Abweichungen von den
AERONET Werten. Gerade bei geringen aerosol-optische Dicke Werten, traten größere
Probleme auf. Deshalb sollen im Folgenden Probleme aufgezeigt und Fehlerquellen diskutiert werden.
5.1
Ausrichtungsfehler
Nachdem die Messfehler von CORAS bereits in Kapitel 4.1 genannt wurden, soll es in dem
Abschnitt um die Ausrichtung der Messköpfe gehen. Im Idealfall sollten die Messköpfe
genau Richtung Zenit weisend ausgerichtet sein. Da dies auf den Grad genau nur schwer
realisierbar ist, kann es dabei zu leichten Abweichungen kommen. Hierzu wird erneut eine
Simulation des Spektrums verwendet, wie sie in Kapitel 4.1 beschrieben wurde. Allerdings
erfolgte die Verwendung eines 2 o Offsetwinkels einmal in Richtung Sonne und einmal gegen Richtung Sonne.
Abbildung 5.1 zeigt die CORAS Daten und Simulationen bei verschiedenen Offsetwinkeln. Die Unterschiedenen Offsetwinkel waren dabei 2 o Neigung des Sensors in Richtung
Sonne und 2 o in die entgegengesetzte Richtung. Dargestellt ist die Strahldichte, da es
bei der Strahldichte die größeren Abweichungen gab und diese sensitiver auf eine nicht
exakte Ausrichtung reagiert. Abbildung 5.1 (a) zeigt den Vergleich zwischen CORAS und
der Simulation bei verschiedenen Offsetwinkeln. Abbildung 5.1 (b) stellt die Verhältnisse
zwischen den Messwerten und den verschiedenen Simulationen dar.
Es ist zu erkennen, dass die Abweichung von den CORAS Daten, bei der Gerätestellung
von der Sonne weg, größer wird. Bei einer 2 o Abweichung in Richtung Sonne werden
die Kurven ähnlicher. Allerdings kann man mit nur einer einzelnen Simulation zu einem
bestimmten Zeitpunkt keine Aussage über die gesamte Messdauer treffen. Dafür müsste
zumindest ein ganzer Tagesgang verglichen werden. Dies war mit der Datengrundlage allerdings nicht in dem Maße realisierbar. So lässt sich nicht mit Sicherheit sagen, dass es
einen systematischen Offsetwinkel gab oder ob andere Gründe dazu geführt haben, dass
die CORAS Werte größer sind, als die simulierten Daten.
5
FEHLERDISKUSSION
41
(a) Vergleich von Messung und Simulation bei verschiedenen Offsetwinkeln
(b) Verhältnisse von Messung zur Simulation bei verschiedenen Offsetwinkeln
Abbildung 5.1: Auswirkungen von Offsetwinkeln auf die Simulation.
5.2
Sonnenphotometer Unsicherheit
Als Grundlage von dem Algorithmus dienen verschiedene externe Datenquellen. So werden neben den CORAS Daten noch berechnete Zenitwinkel und die aerosol-optische Dicke
benötigt. Da im Kapitel 4.3 gezeigt werden konnte, dass die Änderung der Zenitwinkel
keinen großen Einfluss haben, soll die aerosol-optische Dicke näher untersucht werden.
Die aerosol-optische Dicke wird dabei von einem Sonnenphotometer des AERONET Verbandes gemessen. Wie bereits in vorigen Kapiteln erwähnt, unterliegen auch die Sonnen-
5
42
FEHLERDISKUSSION
photometer einem Messfehler. Dieser wird mit 5 % angenommen. Dazu wurde erneut eine
libRadtran Simulation durchgeführt um zu zeigen, wie sich dies auf die abgeleiteten Werte
auswirkt.
(a) Gitter mit einer Abweichung von -5 % gemesse- (b) Gitter mit einer gemessenen optischen Dicke
ner optischen Dicke
von 1,16
(c) Gitter mit einer Abweichung von +5 % gemessener optischen Dicke
Abbildung 5.2: Auswirkung der Unsicherheiten des Sonnenphotometers von ±5 % bei der
aerosol-optischen Dicke auf die Gitter.
Abbildung 5.2 zeigt die Gitter mit je einem Messpunkt. Dabei war bei allem drei Simulationen alles bis auf die aerosol-optische Dicke identisch gewesen. Abbildung 5.2 (a) zeigt das
Gitter bei -5 % optischer Dicke, Abbildung 5.2 (b) bei der nach der AERONET Messung
bestimmten optischen Dicke von 1,16 und Abbildung 5.2 (c) bei einer optischen Dicke von
+5 %. Dabei ist deutlich zu erkennen, dass sich die Gitter schon bei geringen Änderungen
der optischen Dicke stark ändern. Das Gitter verschiebt sich aber bei größeren optischen
Dicken nach oben links. Zusätzlich werden die einzelnen Vierecke im Gitter größer. Die
Verschiebung erfolgt dabei in Richtung der Gitterneigung der Einfachstreualbedo. Somit
wird die Einfachstreualbedo auch weniger von Schwankungen der optischen Dicke beeinflusst. Dies zeigt sich auch im Vergleich der abgeleiteten Werte von den drei Gittern. Bei
Gitter (a) hat der Algorithmus eine Einfachstreualbedo von 0,895±0,011, bei Gitter (b)
5
FEHLERDISKUSSION
43
von 0,895±0,010 und bei Gitter (c) von 0,900±0,010 bestimmt. Die Einfachstreualbedo
variiert weniger als der angegebene Fehler. Sie ist demnach nicht von geringen Schwankungen und Messunsicherheiten der von AERONET bestimmten optischen Dicke abhängig.
Dies sieht beim Asymmetrieparameter aber ganz anders aus. In Gitter (a) wird Wert von
0,755±0,022, in Gitter (b) von 0,770±0,022 und in Gitter (c) von 0,780±0,021 abgeleitet.
Zwischen Gitter (a) und (c) besteht eine Differenz von 0,025. Dies ist größer als der mittlere Fehlerbereich der Werte und dabei wurde hier ein Fall mit großer aerosol-optscher Dicke
untersucht. Für kleinere optische Dicken, sieht dies noch schlechter aus. Es konnte bereits
in Kapitel 4.3 gezeigt werden, dass der Asymmetrieparameter stärkeren Schwankungen
unterliegt, als die Einfachstreualbedo. Wie hier gezeigt werden konnte, liegt dies nicht nur
an den generell kleineren Werten der Strahldichte, sondern auch an Schwankungen der
aerosol-optischen Dicke.
5.3
Sensitivität der Einfachstreualbedo und des Asymmetrieparameters
Für die größten Unsicherheiten des Algorithmus ist wie gezeigt die aerosol-optische Dicke
verantwortlich. Damit sind nicht die Schwankungen aufgrund von Messunsicherheiten des
AERONET Sonnenphotometers gemeint, wie im letzten Absatz beschrieben, sondern die
optische Dicke an sich. Betrachtet man Messfälle eins und zwei im Kapitel 4.3, so erkennt
man, dass dies die einzigen beiden Fälle sind, bei denen der Algorithmus keine plausiblen
Ergebnisse geliefert hat. Dies waren die beiden Fälle, mit den kleinsten optischen Dicken.
Der Algorithmus liefert demnach nur realistische Ergebnisse, wenn die aerosol-optische
Dicke größer als 0,5 ist. Dies liegt an verschiedenen Gründen. Zum einen ist die Sensitivität
der Parameter maßgeblich von der aerosol-optischen Dicke beeinflusst. Abbildung 5.3 zeigt
einen Vergleich bei stark unterschiedlichen optischen Dicken.
5
FEHLERDISKUSSION
44
Abbildung 5.3: Gitter bei verschiedenen aerosol-optischen Dicken; großes Gitter τ =1,0, mittleres
Gitter τ =0,5, kleines Gitter τ =0,1.
Die drei Gitter in Abbildung 5.3 wurden unter den selben Bedingungen, nur unter Variation der aerosol-optischen Dicke erstellt. Das große Gitter links in Abbildung 5.3 wurde
dabei mit einer optischen Dicke von 1,0 gerechnet. Das nächst kleinere Gitter hatte eine
optische Dicke von 0,5 und das kleinste wurde mit einer optischen Dicke von 0,1 simuliert. Hierbei ist deutlich zu erkennen, dass die Werte für kleinere optischen Dicken viel
genauer sein müssen um akkurate Ergebnisse zu erzielen, als für größere. Weiterhin fällt
auf, dass die simulierten Strahldichten für die Gitter mit kleineren aerosol-optischen Dicken auch kleiner sind. Die Werte für die Strahlungsflussdichte sind bei kleinen optischen
Dicken allerdings die größten. Dies ist damit zu erklären, dass bei einer kleineren aerosoloptischen Dicke weniger Partikel in der Atmosphäre vorhanden sind, die die Photonen in
den Öffnungswinkel des Sensors streuen können. Deshalb ist die Strahldichte so gering.
Gleichzeitig führt die geringe Anzahl an Aerosolpartikeln aber auch dazu, dass weniger
Strahlung absorbiert wird und dadurch kommen über den ganzen Halbraum betrachtet,
die größten Werte in der Strahlungsflussdichte zustande.
Außerdem ergibt sich das Problem, dass die Fehlerbalken für kleinere optische Dicken deutlich größer werden, da die einzelnen Schnittpunkte viel näher beieinander liegen. Deshalb
befinden sich mehr Werte im selben Fehlerbereich, als bei größeren Gitterpunktabständen.
Dennoch liegen die Werte auch mit den größeren Fehler nicht in dem Bereich, wo die Werte
eigentlich sein müssten. Andererseits könnten auch physikalische Gründe eine Rolle spielen. Bei geringeren optischen Dicken könnten andere Effekte größere Einflüsse besitzen.
Aber um dies näher zu vertiefen fehlt es an Datengrundlage. Von daher liegt das ersichtliche Hauptproblem darin, dass für kleine optische Dicken die Sensitivität der Parameter
5
FEHLERDISKUSSION
45
zu gering wird und es zu viele Einflussfaktoren gibt, um die Aerosolparameter exakt abzuleiten.
5.4
Wolken
Weiterhin sind Wolken ein massives Problem für den Algorithmus. Da der Algorithmus für
aerosol-optische Eigenschaften konzipiert wurde, ergeben sich bei bewölkten Bedingungen automatisch Fehler, wie in Messfall sechs (Kapitel 4.3) gezeigt wurde. Da allerdings
vermehrt Fälle mit großen optischen Dicken untersucht werden, ist es nicht immer direkt
klar bestimmbar, ob es sich um eine dünne Wolke oder eine dicke Aerosolschicht handelt.
Um Fehler in dieser Richtung zu umgehen, muss zusätzlich über die externen LIDAR
Daten entschieden werden, ob eine Wolkenschicht vorlag oder nicht. Erschwert wird dies
bei konvektiver Bewölkung, wie einzelner Cumulusfelder. Da in der Strahlungsflussdichte der gesamte Halbraum betrachtet wird, können so Fehler auftreten. Zusätzlich müsste
man also Satellitenbilder oder Allskycam Aufnahmen auswerten, um solche Eventualitäten
ausschließen zu können.
6
6
SCHLUSSFOLGERUNG
46
Schlussfolgerung
In der Arbeit konnte gezeigt werden, dass ein Algorithmus, basierend auf der Srahlungsflussdichte und der Strahldichte, zur Ableitung von aerosol-optischen Eigenschaften funktionieren kann. Allerdings müssen dafür einige Bedingungen erfüllt sein.
Zuerst ist festzuhalten, dass die Informationen alleine nicht ausreichend sind. Es müssen
zusätzliche Daten zur aerosol-optischen Dicke, zum Zenitwinkel und zum Bedeckungsgrad
erhoben werden. Die aerosol-optische Dicke muss dabei so genau wie möglich bestimmt
werden. Dies war mit den vorhandenen Daten nicht zu jedem Zeitpunkt uneingeschränkt
möglich. Die Messungen des Sonnenphotometers fanden nur in unregelmäßigen Abständen
statt. Deshalb wurden nur Fälle untersucht, bei denen die optische Dicke über einen
längeren Zeitraum so konstant wie möglich war. Kleinere Schwankungen konnten da nicht
ausreichend berücksichtigt werden. Der daraus resultierende Fehler schlägt sich vor allem
auf die abgeleiteten Asymmetrieparameterwerte nieder, da diese deutlich sensitiver auf
Schwankungen der optischen Dicke reagieren. Auch konnte mit den Sonnenphotometermessungen nicht direkt darauf geschlossen werden, ob Bewölkung vorhanden war oder
nicht, obwohl die Level 2 Daten des AERONET Verbundes genutzt wurden. Dies ist dem
Fakt geschuldet, dass die Messung dann verworfen wird, wenn sich Bewölkung zwischen
den direkten Weg zwischen Messgerät und Sonne befindet. So können im Zenit über dem
Messstandort Wolken vorhanden sein. Diese würden massiv die Strahldichtewerte beeinflussen. Einzelne Cumuluswolken, die sich am Himmel befinden, lassen sich so allerdings
auch nicht detektieren. Dazu wären vor allem regelmäßig aufgenommene Allskycam Bilder
eine Variante, um solche im Nachhinein ausfindig zu machen. So kann es vorkommen, dass
es durch die Reflexion von Strahlung an den Wolken, durch sogenannte ”Broken Cloud”
Effekte, zu einer Überhöhung der Strahlung am Boden kommen kann. In solchen Fällen
würden die aerosol-optischen Parameter sogar zu groß bestimmt werden.
Ein massives Problem, dass bei der Überprüfung des Algorithmus aufgetreten ist, ist, dass
die Sensitivität der Parameter für kleinere optische Dicken sehr schnell sehr gering wird.
Durch die geringen Sensitivitäten ist es fast unmöglich richtige Werte abzuleiten, da bereits die kleinsten Schwankungen zu sehr großen Unterschieden führen. Die Fehlerbalken
müssten dabei so groß sein, dass keine repräsentativen Werte abgeleitet werden können.
Kleine optische Dicken sind dabei schon Werte kleiner als 0,5, auf der 500 nm Wellenlänge.
Dabei gilt zu beachten, dass bei sauberen Bedingungen die aerosol-optische Dicke stets
unter 0,5 liegt. Der Algorithmus kann demnach nur Anwendung finden in Gebieten, wo
große optische Dicken häufig auftreten. Ein solches Gebiet sind Megastädte, vor allem im
asiatischen Raum. Deshalb waren die Rahmenbedingungen innerhalb des Projektes ”Megacities – Megachallenges”, in dessen Rahmen die hier beschriebenen Daten erhoben wurden, für eine solche Untersuchung sehr gut geeignet. Die großen aerosol-optischen Dicken
in den Megastädten entstehen dabei häufig durch eine Verkettung von meteorologischen
Umständen. So treten Smoglagen häufig im Winter, bei geringen Windgeschwindigkeiten
und einer niedrigen Grenzschichthöhe auf. Die Partikel stammen dabei aus Industrie und
Verkehr, aber vor allen auch aus häuslichen Quellen, durch kochen und heizen. Bei dieser
6
SCHLUSSFOLGERUNG
47
unvollständigen Verbrennung entstehen hauptsächlich Black Carbon Partikel, die auch
für den Menschen gesundheitsgefährdend sind.
Obwohl die Messkampagne in den Wintermonaten in Guangzhou, einer asiatischen Großstadt, durchgeführt wurde, gab es in der zweimonatigen Messperiode dennoch nur fünf
Messtage, an denen alle Bedingungen so waren, dass der Algorithmus erfolgversprechend
angewendet werden konnte. Für diese Tage wurden die Asymmetrieparameter- und Einfachstreualbedowerte in einem realistischen Größenbereich abgeleitet. Die Werte konnten meist über Messungen des Sonnenphotometers verifiziert werden. Dennoch ist das
Aufwand-Nutzen-Verhältnis viel zu gering, als dass sich die Verwendung eines solchen Algorithmus lohnen würde. Der Algorithmus ist in der Praxis viel zu selten einsetzbar. Vor
allen außerhalb von Gebieten, in denen häufig große aerosol-optische Dicken auftreten,
wird dieser quasi nie einsetzbar sein.
Eine Möglichkeit um die Qualität der abgeleiteten Daten zu verbessern, wäre die Verwendung von zeitlich hoch aufgelösten Daten der aerosol-optischen Dicke und die Einbeziehung von Allskycam Aufnahmen, um alle Wolkenfälle auszuschließen. Außerdem müsste
versucht werden, die Gitter nicht so allgemein wie möglich zu halten, sondern situationsspezifisch mehr anzupassen. Dies würde allerdings einen deutlichen Mehraufwand bedeuten, um einen Algorithmus zu verbessern, wobei nicht sicher ist, ob dieser wirklich für
kleinere optischen Dicken optimiert werden könnte. Eine andere Alternative wäre es, wenn
man auf Satellitenmessungen der optischen Dicke zurückgreifen würde. Somit würde man
keine zusätzlichen Sonnenphotometer benötigen. Allerdings würde man damit räumlich
nur grob aufgelöste Daten der aerosol-optischen Dicke erhalten können. Dahingehend ist
es fraglich, ob die Genauigkeit ausreicht, um mit dem Algorithmus sinnvoll Werte ableiten
zu können.
Somit lässt sich abschließend festhalten, dass der Algorithmus unter bestimmten Bedingungen funktioniert. Aber vor allem durch die Einschränkung, dass die aerosol-optische
Dicke größer als 0,5 sein muss, ist der Algorithmus in den allermeisten Fällen nicht sinnvoll
einsetzbar.
48
SYMBOLVERZEICHNIS
Symbolverzeichnis
α
θ
ϑ
λ
π
τ
ϕ
Φ
Φλ
Ω
ω̃
Albedo
Zenitwinkel
Streuwinkel
Wellenlänge
Kreiszahl 3.14159. . .
Optische Dicke
Azimutwinkel
Strahlungsfluss
spektraler Strahlungsfluss
Raumwinkel
Einfach-Streu-Albedo
1
bext
d
d2 A
Erad
F
Fλ
Fλ↓
Fλ↑
g
I
m
P
~r
s
b
s
t
ty
Uλ
U0,λ
z
Extinktionskoeffizient
m−1
Verhältnis des mittleren Abstandes zwischen Sonne und Erde 1
kleines Flächenelement
m2
Strahlungsenergie
J
Strahlungsflussdichte
W m−2
spektrale Strahlungsflussdichte
W m−2 nm−1
abwärtsgerichtete, spektrale Strahlungsflussdichte
W m−2 nm−1
aufwärtsgerichtete, spektrale Strahlungsflussdichte
W m−2 nm−1
Asymmetrieparameter
1
Strahldichte oder Radianz
W m−2 sr−1
optische Luftmasse
1
Phasenfunktion
1
Euklidischer Positionsvektor
1
Höhe
m
Einheitsvektor
1
Zeit
s
Transmission absorbierender Gase
1
spektrale Elektrische Spannung
V nm− 1
Referenzwert der spektralen Elektrischen Spannung
V nm− 1
Höhe
m
◦
◦
m
1
1
◦
W
W nm−1
sr
1
49
ABKÜRZUNGSVERZEICHNIS
Abkürzungsverzeichnis
AERONET
AOD
ASY
DFG
GPS
IPCC
libRadtran
LIDAR
MODIS
RTE solver
SSA
SZA
UTC
Aerosol Robotic Network
aerosol-optische Dicke
Asymmetrieparameter
Deutsche Forschungsgemeinschaft
Global Positioning System
Intergovernmental Panel on Climate Change
Library for Radiative transfer
Light Detection and Ranging
Moderate-Resolution Imaging Spectroradiometer
radiative transfer equation solver
Sonnenzenitwinkel
Sonnenzenitwinkel
Coordinated Universal Time
TABELLENVERZEICHNIS
50
Abbildungsverzeichnis
2.1
2.2
2.3
2.4
3.1
3.2
3.3
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
4.14
4.15
4.16
4.17
4.18
4.19
4.20
4.21
4.22
4.23
5.1
5.2
5.3
Erklärung zu den Strahlungsgrößen . . . . . . . . . . . . . . . . . . . . . . 4
Optische Dicke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Angstromexponent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Streudiagramm der aerosol-optischen Dicke gegenüber des Angströmexponenten 8
Klimadiagramm von Guangzhou . . . . . . . . . . . . . . . . . . . . . . . . 15
Erhöhte Sterblichkeit aufgrund von Luftverschmutzung . . . . . . . . . . . 16
Fotoaufnahme von CORAS . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Vergleich zwischen Messung und Simulation für die Strahldichte und die
Strahlungsflussdichte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Vergleich zwischen den Messsystemen AisaEAGLE und CORAS . . . . . . 20
Gitter zur Ableitung von aerosol-optischer Eigenschaften . . . . . . . . . . 22
Interpoliertes Gitter zur Ableitung von aerosol-optischer Eigenschaften . . 23
Gitter mit Messwert und Fehlerbereich . . . . . . . . . . . . . . . . . . . . 24
Histogramme der Einfachstreualbedo und des Asymmetrieparameters . . . 24
Einfachstreualbedo und Asymmetrieparameter vom 11.12.2011 . . . . . . . 25
Aerosol-optische Dicke vom 11.12.2011 . . . . . . . . . . . . . . . . . . . . 26
Ein Gitter vom 11.12.2011 . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Aerosol-optische Dicke vom 14.11.2011 . . . . . . . . . . . . . . . . . . . . 27
Gitter vom 14.11.2011 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Gitter vom 28.11.2011 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Zeitreihe der aerosol-optischen Eigenschaften vom 28.11.2011 . . . . . . . . 30
LIDAR Messreihe vom 28.11.2011 . . . . . . . . . . . . . . . . . . . . . . . 30
Zeitreihe der aerosol-optischen Eigenschaften vom 31.12.2011 . . . . . . . . 31
LIDAR Messreihe vom 01.01.2012; 1. Zeitraum . . . . . . . . . . . . . . . . 33
Zeitreihe der aerosol-optischen Eigenschaften vom 01.01.2012; 1.Zeitraum . 33
Level 1 Daten der aerosol-optische Dicke vom 01.01.2011 . . . . . . . . . . 34
LIDAR Messreihe vom 01.01.2012; 2. Zeitraum . . . . . . . . . . . . . . . . 35
Zeitreihe der aerosol-optischen Eigenschaften vom 01.01.2012; 2.Zeitraum . 35
Zeitreihe der aerosol-optischen Eigenschaften vom 02.01.2012 . . . . . . . . 37
Aerosol-optische Dicke vom 02.01.2011 . . . . . . . . . . . . . . . . . . . . 37
Zeitreihe der aerosol-optischen Eigenschaften vom 29.11.2011 . . . . . . . . 38
Vergleich von Messung und Simulation mit Offsetwinkeln . . . . . . . . . . 41
Gitter mit einer Abweichung von ±5 % bei der aerosol-optischen Dicke . . 42
Einfluss der aerosol-optischen Dicke auf die Gitter . . . . . . . . . . . . . . 44
Tabellenverzeichnis
4.1
Zusammenfassung der Messfälle . . . . . . . . . . . . . . . . . . . . . . . . 39
LITERATUR
51
Literatur
Alam, K., T. Trautmann, T. Blaschke (2011), Aerosol optical properties and radiative
forcing over mega-city Karachi, Atmos. Res., 101, 773–782
Althausen, D., R. Engelmann, H. Baars, B. Heese, A. Ansmann, D. Müller und M. Komppula (2009), Portable Raman Lidar PollyXT for Automated Profiling on Aerosol Backscatter, Extinction, and Depolarization, J. Atmos. Oceanic Technol., 26:2366–2378.
Bierwirth, E., M. Wendisch, E. Jäkel, A. Ehrlich, K. S. Schmidt, H. Stark, P. Pilewskie,
M. Esselborn, G. P. Gobbi, R. Ferrare, T. Müller und A. Clarke (2010), A new method
to retrieve the aerosol layer absorption coefficient from airborne flux density and actinic
radiation measurements, J. Geophys. Res., 115, D14211, doi:10.1029/2009JD013636.
Dubovik, O. und M. D. King (2000), A flexible inversion algorithm for retrieval of aerosol
optical properties from Sun and sky radiance measurements, J. Geophys. Res., 105, No.
D16, 20673-20696
Dubovik, O., A. Sinyuk, T. Lapyonok, B. N. Holben, M. Mishchenko, P. Yang, T. F.
Eck, H. Volten, O. Muñoz, B. Veihelmann, W. J. van der Zande, J.-F. Leon, M.
Sorokin und I. Slutsker Application of spheroid models to account for aerosol particle nonsphericity in remote sensing of desert dust, J. Geophys. Res., 111, D11208,
doi:10.1029/2005JD006619.
Forster, P., V. Ramaswamy, P. Artaxo, T. Berntsen, R. Betts, D.W. Fahey, J. Haywood,
J. Lean, D.C. Lowe, G. Myhre, J. Nganga, R. Prinn, G. Raga, M. Schulz und R. Van
Dorland, 2007, Changes in Atmospheric Constituents and in Radiative Forcing. In:
Climate Change 2007: The Physical Science Basis. Contribution of Working Group I
to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change
[Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K. B. Averyt, M.Tignor and
H.L. Miller (eds.)], Cambridge University Press, Cambridge, Vereinigtes Königreich
und New York, USA.
Gueymard, C. (2003), The sun’s total and spectral irradiance for solar energy applications and solar radiation models., Solar Energy, 76, 4, 423-453, doi:
10.1016/j.solener.2003.08.039
Hendl, M. und H. Liedtke (2002), Lehrbuch der Allgemeinen Physischen Geographie 3.
Auflage, Justus Perthes Verlag Gotha GmbH, Gotha, Deutschland, ISBN: 3-623-00839-7
Hobbs, P. V. (Eds.) (1993), Aerosol-Cloud-Climate Interactions, Academic Press, Inc.,
San Diego, USA, ISBN:0-12-350725-1
Holben, B. N., T. F. Eck, I. Slutsker, D. Tanré, J. P. Buis, A. Setzer, E. Vermote, J. A.
Reagan, Y. J. Kaufman, T. Nakajima, F. Lavenu, I. Jankowiak und A. Smirnov (1998),
LITERATUR
52
AERONET-A Federated Instrument Network and Data Archive for Aerosol Characterization, Remote Sens. Environ., 66, 1-16
Kraus, H. (2004), Die Atmosphäre der Erde: Eine Einführung in die Meteorologie 3. Auflage, Springer-Verlag, Berlin/Heidelberg, Deutschland, ISBN:978-3-540-20656-9
Lawrence, M. G., T. M. Butler, J. Steinkamp, B. R. Gurjar und J. Lelieveld (2007),
Regional pollution potentials of megacities and other major population centers, Atmos.
Chem. Phys., 7, 3969–3987, 2007
Lelieveld, J., J. S. Evans, M. Fnais, D. Giannadaki und A. Pozzer (2015), The contribution
of outdoor air pollution sources to premature mortality on a global scale, Nature, Vol.
525, doi:10.1038/nature15371
Liljequist, G. H. und K. Cehak (1984), Allgemeine Meteorologie 3. Auflage, Friedr. Vieweg
& Sohn Verlagsgesellschaft mbH, Braunschweig/Wiesbaden, Deutschland, ISBN:3-52823555-1
Mayer, B. und A. Kylling (2005), Technical note: The libRadtran software package for
radiative transfer calculations – description and examples of use, Atmos. Chem. Phys.,
5, 1855–1877, 2005
Mey, B. S. (2012), Einfluss der Bodenalbedo und Bodenreflektivität von urbanen Oberflächen auf die Ableitung der optischen Dicke von Aerosolpartikeln aus Satellitenmessungen, Dissertation
Molina, M. J. und L. T. Molina (2004), Megacities and Atmospheric Pollution, J. Air &
Waste Manage. Assoc., 54: 644–680
Nakajima, T. und M. Tanaka (1988), Algorithms for radiative intensity calculations in
moderately thick atmospheres using a truncation approximation, J. Quantit. Spectrosc.
Radiative Transfer, 40, 51–69
Petters, J. L., V. K. Saxena, J. R. Slusser, B. N. Wenny und S. Madronich (2003), Aerosol
single scattering albedo retrieved from measurements of surface UV irradiance and a
radiative transfer model, J. Geophys. Res., 108(D9), 4288, doi:10.1029/2002JD002360
Remer, L. A., D. Tanré und Y. J. Kaufman (2006), Algorithm for Remote Sensing of
Tropospheric Aerosol from MODIS: Collection 5, Product ID: MOD04/MYD04
Tie, X. und J. Cao (2009), Aerosol pollution in China: Present and future impact on
environment, Particuology, 7, 426–431, doi:10.1016/j.partic.2009.09.003
Tiwari, S., D. M. Chate, A. K. Srivastava, D. S. Bisht und B. Padmanabhamurty (2012),
Assessments of PM1, PM2.5 and PM10 concentrations in Delhi at different mean cycles,
Geofizika, Vol. 29, No. 2, 2012, 125–141
LITERATUR
53
Toledano, C., V. E. Cachorro, A. Berjon, A. M. de Frutos, M. Sorribas, B. A. de la Morena
und P. Goloub (2007), Aerosol optical depth and Ångström exponent climatology at El
Arenosillo AERONET site (Huelva, Spain), Q. J. R. Meteorol. Soc.,133, 795–807
Wendisch, M. und P. Yang (2012), Theory of Atmospheric Radiative Transfer, Wiley-VCH
Verlag GmbH & Co. KGaA, Weinheim, Deutschland, ISBN: 978-3-527-40836-8
Internetquellen
Daten der AERONET Messungen
http://aeronet.gsfc.nasa.gov/
Daten der LIDAR Messungen
http://polly.tropos.de/?p=lidarmenues&Ort=PRD
Klimadiagramm von Guangzhou
http://www.klimadiagramme.de/Asien/Plots/guangzhou.gif
Projektseite von ”Megacities - Megachellenges”; stand Oktober 2015
http://www.megacities-megachallenge.org/
Erklärung zur Masterarbeit
Hiermit versichere ich, die vorliegende Masterarbeit ohne Hilfe Dritter nur mit den angegebenen Quellen und Hilfsmitteln angefertigt zu haben. Alle Stellen, die aus den Quellen
entnommen wurden, sind als solche kenntlich gemacht worden. Diese Arbeit hat in gleicher Form noch keiner Prüfungsbehörde vorgelegen.
Leipzig, den 05. November 2015
Unterschrift

CO2-Ampeln gegen dicke Luft im Seminar

- Schneidbretter Schweiz

Ich lebe mein Leben - Waldorfschoolsongs

Infoblatt

Tabelle1 Seite 1 Heizenergie im Aquarium Berechnung der

Ausschreibungstexte

PE-Stellstreifen, Schallentkopplungsstreifen

27.0X Schmidt, Erhard ¨Uber die Ungleichung, welche die Integrale

Untitled - Thomas Rutz Landmaschinen