Schneewasseräquivalent von ESA GlobSnow
Übersicht
- Zugang
- Beschreibung
- Parameter
- Abdeckung, räumliche und zeitliche Auflösung
- Datenqualität
- Kontaktperson
- Referenzen
- Datenzitat
Zugang
EINGESCHRÄNKT: Dieser Link auf den Datensatz ist nur für eine eingeschränkte Nutzergruppe verfügbar. Der Datensatz ist nur im CEN/MPI Netzwerk bzw. von außen mit Kundenkonto zugreifbar. Bitte wenden Sie sich an ICDC, wenn Sie von außerhalb des Netzwerks auf diese Daten zugreifen möchten.
- SWE Daten ansehen mit dem LAS
- Zugriff auf SWE Daten über OPeNDAP
- Datenzugriff über Filesystem: /data/icdc/ice_and_snow/globsnow_swe
Beschreibung
Daten des Scanning Multichannel Microwave Radiometer (SMMR), des Special Sensor Microwave / Imager (SSM/I) und des Advanced Microwave Scanning Radiometer aboard EOS (AMSR-E) wurden benutzt, um einen Datensatz des Schneewasseräquivalents (SWE) auf einem Lambert-Azimuthal Equal Area Gitter mit 25 km Gitterzellengröße zu berechnen. Der Datensatz beinhaltet für jede Gitterzelle tägliche und monatliche Werte für SWE.
Zunächst werden Gebiete mit nassem / schmelzendem Schnee gemäß einer empirischen Beziehung zwischen Strahlungstemperatur und Schneeeigenschaften ausmaskiert. Dann wird mit Hilfe eines Emissionsmodells für Mikrowellen aus den Strahlungstemperaturmessungen die Schneedicke für die Gitterzellen bestimmt in denen auch Beobachtungsdaten von Wetter- oder Klimastationen vorliegen. Dabei wird die Schneekorngröße als skalierbarer Parameter so gewählt, dass die Abweichung zwischen beobachteter und berechneter Schneedicke minimal ist. Der so erhaltene Satz von Schneekorngrößen wird verwendet um mittels Kriging Interpolation eine Hintergrund-Verteilung der effektiven Schneekorngröße zu bestimmen. Diese wird dann zusammen mit den Strahlungstemperaturen dazu benutzt, um die Schneedickenverteilung zu berechnen. Im letzten Schritt werden Beobachtungen der Schneedichte dazu verwendet um die Schneedicke in SWE zu konvertieren. Mehr Details können dem Product User Guide in den Referenzen (das ist der für Version 2.0; der für Version 3.0 liegt uns noch nicht vor) entnommen werden.
Wir empfehlen auch den Paragraph zur Datenqualität zu lesen.
Wir bieten sowohl die täglichen als auch die monatlichen Daten an. Für die letzteren gibt es für die Monate Februar bis Mai eine Bias-korrigierte Version.
Die nominelle, Qualitäts-kontrollierte Version ended 2018-12-31. Es gibt ein so-genanntes "near-real-time" (NRT) Produkt. Das beginnt in 2018-01-01. Mangels Fortsetzung des Qualitätskontrollierten Produktes bieten wir daher zusätzlich das NRT-Produkt an.
Es handelt sich um Version 3.0 / near-real-time (NRT) Version des Produkts.
Letzte Aktualisierung des Datensatzes am ICDC: September 12, 2024.
Parameter
| Name | Einheit |
|---|---|
| SWE | mm |
Abdeckung, räumliche und zeitliche Auflösung
Zeitraum und zeitliche Auflösung:
- In der Regel für Monate Oktober bis Mai, ggfs. auch länger
- 1979-01-01 bis 2018-05-31 (Täglich)
- 1979-01 bis 2018-05 (Monatlich)
- NRT-Produkt: 2018-01-01 bis 2024-07-31 (Täglich)
Räumliche Abdeckung und Auflösung:
- Nordhemisphäre
- Räumliche Auflösung: 25 km x 25 km, EASE-Gitter
- Geographische Breite: 35°N bis 85°N
- Geographische Länge: 180°W bis 180°E
- Dimension: 721 Spalten x 721 Zeilen
- Höhe: Terrain folgend, Gebirge sind ausgeschlossen
Format:
- NetCDF
Datenqualität
Der Datensatz beinhaltet keine Informationen zur Unsicherheit der berechneten SWE Werte. Nutzer sollten sich jedoch darüber im klaren sein, dass das Verfahren selbst (kann noch nicht an lokale Schneebedingungen, wie z. B. ein vermehrtes Auftreten von "depth hoar" (deutsch: Schwimmschnee) angepaßt werden) und die grobe räumliche Auflösung (Gitterzellengröße: 25 km x 25 km) zu weiteren Unsicherheiten oder sogar einem Offset führen können. Insbesondere haben verschiedene Studien gezeigt, dass es zu einer Unterschätzung des SWE bei Werten oberhalb 200 bis 250 mm kommt.
Probleme können zudem auftreten in bewaldeten oder bergigen Regionen, in Gebieten mit vielen Seen und in Gebieten mit stark variierenden Schneeeigenschaften (trocken <--> nass) bzw. einem großen Anteil von Schwimmschnee an der Gesamtschneedicke.
Generell ist die Retrievalmethode für die hier angebotene Version 3.0 der von Version 2.0 sehr ähnlich. Das Modell zur Berechnung der Schneeemissivitäten wurde verbessert (das neue HUT snow emission model), dem Einfluß von Wald wurde besser Rechnung getragen und die einfließenden synoptischen Beobachtungen der Schneebedeckung wurden komplettiert und homogenisiert.
Achtung:
- Daten des Zeitraums 1978-1989 haben deutlich mehr Datenlücken und es gibt zudem Artefakte insbesondere im europäischen Raum.
- Die verwendete Kriging Interpolation führt regional ebenfalls zu Artefakten. Es wird empfohlen die Karten im Zweifelsfall visuell zu inspektieren.
Mehr Details dazu und wo und unter welchen Bedingungen diese Unterschätzung eintritt gibt es im Product Guide und in den unter Referenzen aufgelisteten wissenschaftlichen Artikeln.
Das NRT-Produkt ist nicht so gut qualitätskontrolliert wie das nominelle, in 2018 endende Produkt. Es weist mehr fehlende Tage auf, deckt aber andererseits auch mehr Tage während des Sommers ab (Juni bis September)
Kontaktperson
Stefan Kern
University of Hamburg
E-Mail: stefan.kern (at) uni-hamburg.de
Kari Luojus
Finish Meteorological Institute (FMI)
Helsinki
Finland
email: kari.luojus (at) fmi.fi
Referenzen
Literatur:
- GlobSnow-2 Product User Guide Version 1.0 (pdf, nicht barrierefrei)
- Chang, A. T. C., et al., 1996. Effects of forest on the snow parameters derived from microwave measurements during the BOREAS winter field campaign. Hydrological Processes, 10, 1565-1574.
- Armstrong, R. L., and M. J. Brodzik, 2002. Hemispheric-scale comparison and evaluation of passive microwave snow algorithms. Annals of Glaciology, 34, 38-44.
- Derksen, C., et al., 2005. Evaluation of passive microwave snow water equivalent retrievals across the boreal forest / tundra transition of Western Canada. Remote Sensing of Environment, 96, 315-327.
- Foster, J. L., et al., 2005. Quantifying the uncertainty in passive microwave snow water equivalent observations. Remote Sensing of Environment, 94, 187-203.
- Gan, T. Y., et al., 2009. Comparison of snow water equivalent retrieved from SSM/I passive microwave data using artificial neural network, projection pursuit and nonlinear regressions. Remote Sensing of Environment, 113, 919-927. (pdf, nicht barrierefrei)
- Lemmetyinen, J., et al., 2009. A comparison of airborne microwave brightness temperatures and snow pack properties across the boreal forests of Finland and Western Canada. Transactions on Geoscience and Remote Sensing, 47(3), 965-978. (pdf, nicht barrierefrei)
- Takala, M., et al., 2009. Detection of snowmelt using spaceborne microwave radiometer data in Eurasia from 1979 to 2007. Transactions on Geoscience and Remote Sensing, 47(9), 2996-3007. (pdf, nicht barrierefrei)
- Takala, M., et al., 2011. Estimating northern hemisphere snow water equivalent for climate research through assimilation of space-borne radiometer data and ground-based measurements. Remote Sensing of Environment, 115(12), 3517-3529, http://doi.org/10.1016/j.rse.2011.08.014 . (pdf, nicht barrierefrei)
- Hancock, S., et al., 2013. Evaluating global snow water equivalent products for testing land surface models. Remote Sensing of Environment, 128, 107-117. (pdf, nicht barrierefrei)
- Larue, F., et al., 2017. Validation of GlobSnow-2 snow water equivalent over Eastern Canada. Remote Sensing of Environment, 194, 264-277. (pdf, nicht barrierefrei)
- Cho, E., et al., 2017, Evaluating consistency of snow water equivalent retrievals from passive microwave sensors over North centreal U.S.: SSM/I vs. SSMOS and AMSR-E vs. AMSR2, Remote Sensing, 9, 465, doi:10.3390/rs9050465.
Websites:
- ESA Globsnow Website http://www.globsnow.info
Datenzitat
Bei Verwendung der Daten diese bitte wie folgt zitieren:
Takala, M., Luojus, K., Pulliainen, J., Derksen, C., Lemmetyinen, J., Kärnä, J.-P., Koskinen, J. and Bojkov, B., Estimating northern hemisphere snow water equivalent for climate research through assimilation of space-borne radiometer data and ground-based measurements, Remote Sensing of Environment, 115(12), 3517-3529, 2011, http://doi.org/10.1016/j.rse.2011.08.014
Pulliainen, J., Luojus, K., Derksen, C., Mudryk, L., Lemmetyinen, J., Salminen, M., Ikonen, J., Takala, M., Cohen, J., Smolander, T., and Norberg, J.: Patterns and trends of Northern Hemisphere snow mass from 1980 to 2018. Nature, 581(7808), 294-298, 2020, https://doi.org/10.1038/s41586-020-2258-0
Luojus, K., Pulliainen, J., Takala, M., Lemmetyinen, J., and Moisander, M.: GlobSnow v3.0 snow water equivalent (SWE). PANGAEA, 2020, https://doi.org/10.1594/PANGAEA.911944 , last access: September 14, 2021.
oder für das NRT Produkt
Takala, M., Luojus, K., Pulliainen, J., Derksen, C., Lemmetyinen, J., Kärnä, J.-P., Koskinen, J. and Bojkov, B., Estimating northern hemisphere snow water equivalent for climate research through assimilation of space-borne radiometer data and ground-based measurements, Remote Sensing of Environment, 115(12), 3517-3529, 2011, http://doi.org/10.1016/j.rse.2011.08.014
GlobSnow v3.0 NearRealTime (NRT) obtained from https://www.globsnow.info/swe(nrt/ [last access date: August 30, 2024]
und mit der folgenden Danksagung:
Thanks to ICDC, CEN, University of Hamburg for data support.