Publicação

Improving land surface temperature retrievals under high concentrations of dust aerosols

Detalhes bibliográficos
Resumo:	A temperatura da superfície do solo (ou LST, do inglês land surface temperature) é uma variável importante da superfície terrestre que governa as trocas de água e energia entre a superfície e a atmosfera através da evapotranspiração, fluxos radiativos e fluxos de calor turbulentos. A única forma prática de se obter uma cobertura global e continua de LST é através de estimativas a partir de satélite. Estas são habitualmente baseadas em medições radiométricas na janela atmosférica do infravermelho térmico (ou TIR, do inglês thermal infrared) que abrange os comprimentos de onda 8 a 13 µm. A extensa cobertura espacial e temporal proporcionada por medições de satélite permite a utilização de LST no estudo do clima da Terra, na análise de climas urbanos ou ainda na monitorização de campos agrícolas ou incêndios florestais. Apesar dos atuais produtos operacionais de LST, baseados em medições de satélite, terem incertezas abaixo de 1 °C em condições de céu limpo, os métodos de estimativa de LST ainda têm algumas limitações que reduzem a sua precisão em certas condições. Uma limitação é a estimativa de LST durante elevadas concentrações de poeiras. Atualmente, os algoritmos de estimativa de LST utilizados em contextos operacionais não consideram inteiramente o efeito de aerossóis e vários estudos indicam que estes produtos têm erros significativos em situações de elevada concentração de aerossóis. No sentido de melhorar as estimativas de LST nessas condições, esta dissertação apresenta um estudo do efeito radiativo de um tipo de aerossóis— as poeiras — sobre estimativas de LST e explora uma forma de melhorar essas estimativas através de uma calibração do algoritmo generalized split-window (GSW) dependente da concentração de aerossóis. A análise do efeito radiativo das poeiras é realizada através de simulações com o modelo de transferência radiativa RTTOV. As simulações mostram que este tipo de aerossóis, tal como o vapor de água, causam absorção diferencial da radiação TIR emitida pela superfície nas duas bandas geralmente utilizadas na técnica split-window, em torno de 10.8 e 12.0 µm. Contudo, como a absorção diferencial das poeiras é oposta à do vapor de água, a correção atmosférica realizada pelo algoritmo GSW, quando as concentrações de aerossóis são elevadas, é incorreta e resulta na subestimação da LST. Esta absorção diferencial correspondente a uma diminuição da transmissividade da atmosfera mais intensa no canal dos 10.8 do que dos 12.0 µm. Quando a concentração de poeiras, exprimido pela espessura ótica (ou DuAOD, do inglês dust aerosol optical depth), é elevada (DuAOD ≈ 2.0), a transmissividade do canal 10.8 µm pode diminuir até 40%. Isto significa que, nestas condições, de toda a radiação TIR emitida pela superfície somente 60% chega ao topo da atmosfera (ou TOA, do inglês top of the atmosphere) e é medida pelo sensor abordo do satélite. No entanto, as simulações mostram que para DuAOD ≈ 2.0 a diminuição de radiância total que atinge o TOA é de cerca 4%, devendo-se ao aumento de emissão por parte dos aerossóis suspensos na atmosfera que balançam a redução de radiação vinda da superfície. Com base na absorção diferencial das poeiras revelada pelas simulações com o RTTOV, tendo em conta que a abordagem split-window tem a capacidade característica de corrigir a atenuação atmosférica com base na absorção diferencial, é explorada uma nova calibração do algoritmo GSW, adicionando uma dependência dos coeficientes GSW em DuAOD. Para esse efeito criou-se uma base de dados de calibração que representa uma ampla gama de condições atmosféricas e de superfície para várias classes de DuAOD, de forma a de garantir a robustez do algoritmo em todos os cenários possíveis. A seleção dessas condições é realizada utilizando uma metodologia que calcula a dissimilaridade entre duas condições atmosféricas com base nos perfis de temperatura, humidade e aerossóis. Como os perfis de temperatura têm uma variabilidade vertical muito diferente da humidade e dos aerossóis, o peso que os perfis de cada variável têm sobre o cálculo da dissimilaridade entre duas condições atmosféricas não é igual. Na sua forma original desta metodologia, que não inclui os perfis de aerossóis, os perfis de temperatura têm um peso igual a um e os perfis de humidade têm um peso igual a 1/9. Para esta nova base de dados, onde os perfis de aerossóis têm de ser incluídos, foram testados três pesos diferentes (0.1, 0.2 e 0.3) para os aerossóis, mantendo os pesos dos perfis de temperatura e humidade da metodologia original. Um peso maior implica que as diferenças entre os perfis de aerossóis têm mais importância no calcula da dissimilaridade entre duas condições atmosféricas do que um peso menor. Uma análise das condições selecionadas com os três pesos mostra que um peso maior melhora a representatividade dos perfis de aerossóis, mas diminui a representatividade dos perfis de temperatura. Por outro lado, um peso menor melhora a representatividade dos perfis de temperatura, diminuindo a representatividade dos perfis de aerossóis. Os perfis de humidade não são significativamente afetados pelos diferentes pesos. Com base nesta análise, escolheu-se o valor intermédio (0.2) para criar a base de dados de calibração. Os dados atmosféricos e de superfície são obtidos, respetivamente, da 4ª-geração da reanálise global de composição atmosférica da CAMS (Copernicus Atmosphere Monitoring Service), EAC4, e da 5ªgeração da reanálise climática do Centro Europeu de Previsão do Tempo a Médio Prazo (ou ECMWF, do inglês European Centre for Medium-Range Weather Forecasts), ERA5. Com esta nova base de dados calibrou-se um algoritmo GSW com dependência no DuAOD, lembrando que um GSW tradicional só tem dependência no conteúdo atmosférico de vapor de água, no ângulo de visão do satélite e na emissividade. O desempenho deste novo algoritmo é testado face a um algoritmo GSW tradicional que não inclui aerossóis no processo de calibração. O algoritmo GSW dependente de DuAOD apresenta resultados promissores, indicando melhorias na precisão da LST de pelo menos 2 °C para valores de DuAOD acima de 0.4. Uma vez que a área total da terra onde DuAOD atinge valores de 0.4 ou mais é extensa, abrangendo todos os desertos quentes globais e as regiões circundantes afetadas pela advecção das poeiras, a implementação de um algoritmo para a estimativa de LST que seja robusto às poeiras (e outros tipos de aerossóis) pode melhorar significativamente a precisão geral dos produtos de LST e aumentar sua utilidade para aplicações como estudos climáticos. Apesar destes resultados promissores, trabalhos futuros terão de considerar diversos aspetos antes da implementação desta metodologia para a estimativa de LST em condições em que a concentração de aerossóis é elevada. Por exemplo, a precisão das estimativas de LST num contexto operacional utilizando um algoritmo GSW dependente de DuAOD dependerá da precisão das previsões de DuAOD utilizadas. Assim sendo, é necessário realizar uma análise de sensibilidade de forma a determinar o impacto das incertezas do DuAOD nas precisões da LST. Este tipo de análise também permitirá definir o limiar de DuAOD acima do qual o novo algoritmo GSW tem um desempenho melhor do que um GSW tradicional, tendo em conta as incertezas dos algoritmos e das previsões de DuAOD. Além disso, uma vez que a correção atmosférica realizada pelo GSW assume uma linearidade na absorção diferencial pelo vapor de água, é necessário investigar se essa linearidade também ocorre no caso das poeiras. Se esse não for o caso, uma formulação diferente do split-window poderá ter um desempenho melhor do que o GSW dependente do DuAOD apresentado neste trabalho.
Autores principais:	Stante, Francesco
Assunto:	Temperatura da superfície do solo Aerossóis Deteção remota Algoritmo Generalized Split-Window Teses de Mestrado - 2023
Ano:	2023
País:	Portugal
Tipo de documento:	dissertação de mestrado
Tipo de acesso:	acesso aberto
Instituição associada:	Universidade de Lisboa
Idioma:	inglês
Origem:	Repositório da Universidade de Lisboa

Descrição
Resumo:	A temperatura da superfície do solo (ou LST, do inglês land surface temperature) é uma variável importante da superfície terrestre que governa as trocas de água e energia entre a superfície e a atmosfera através da evapotranspiração, fluxos radiativos e fluxos de calor turbulentos. A única forma prática de se obter uma cobertura global e continua de LST é através de estimativas a partir de satélite. Estas são habitualmente baseadas em medições radiométricas na janela atmosférica do infravermelho térmico (ou TIR, do inglês thermal infrared) que abrange os comprimentos de onda 8 a 13 µm. A extensa cobertura espacial e temporal proporcionada por medições de satélite permite a utilização de LST no estudo do clima da Terra, na análise de climas urbanos ou ainda na monitorização de campos agrícolas ou incêndios florestais. Apesar dos atuais produtos operacionais de LST, baseados em medições de satélite, terem incertezas abaixo de 1 °C em condições de céu limpo, os métodos de estimativa de LST ainda têm algumas limitações que reduzem a sua precisão em certas condições. Uma limitação é a estimativa de LST durante elevadas concentrações de poeiras. Atualmente, os algoritmos de estimativa de LST utilizados em contextos operacionais não consideram inteiramente o efeito de aerossóis e vários estudos indicam que estes produtos têm erros significativos em situações de elevada concentração de aerossóis. No sentido de melhorar as estimativas de LST nessas condições, esta dissertação apresenta um estudo do efeito radiativo de um tipo de aerossóis— as poeiras — sobre estimativas de LST e explora uma forma de melhorar essas estimativas através de uma calibração do algoritmo generalized split-window (GSW) dependente da concentração de aerossóis. A análise do efeito radiativo das poeiras é realizada através de simulações com o modelo de transferência radiativa RTTOV. As simulações mostram que este tipo de aerossóis, tal como o vapor de água, causam absorção diferencial da radiação TIR emitida pela superfície nas duas bandas geralmente utilizadas na técnica split-window, em torno de 10.8 e 12.0 µm. Contudo, como a absorção diferencial das poeiras é oposta à do vapor de água, a correção atmosférica realizada pelo algoritmo GSW, quando as concentrações de aerossóis são elevadas, é incorreta e resulta na subestimação da LST. Esta absorção diferencial correspondente a uma diminuição da transmissividade da atmosfera mais intensa no canal dos 10.8 do que dos 12.0 µm. Quando a concentração de poeiras, exprimido pela espessura ótica (ou DuAOD, do inglês dust aerosol optical depth), é elevada (DuAOD ≈ 2.0), a transmissividade do canal 10.8 µm pode diminuir até 40%. Isto significa que, nestas condições, de toda a radiação TIR emitida pela superfície somente 60% chega ao topo da atmosfera (ou TOA, do inglês top of the atmosphere) e é medida pelo sensor abordo do satélite. No entanto, as simulações mostram que para DuAOD ≈ 2.0 a diminuição de radiância total que atinge o TOA é de cerca 4%, devendo-se ao aumento de emissão por parte dos aerossóis suspensos na atmosfera que balançam a redução de radiação vinda da superfície. Com base na absorção diferencial das poeiras revelada pelas simulações com o RTTOV, tendo em conta que a abordagem split-window tem a capacidade característica de corrigir a atenuação atmosférica com base na absorção diferencial, é explorada uma nova calibração do algoritmo GSW, adicionando uma dependência dos coeficientes GSW em DuAOD. Para esse efeito criou-se uma base de dados de calibração que representa uma ampla gama de condições atmosféricas e de superfície para várias classes de DuAOD, de forma a de garantir a robustez do algoritmo em todos os cenários possíveis. A seleção dessas condições é realizada utilizando uma metodologia que calcula a dissimilaridade entre duas condições atmosféricas com base nos perfis de temperatura, humidade e aerossóis. Como os perfis de temperatura têm uma variabilidade vertical muito diferente da humidade e dos aerossóis, o peso que os perfis de cada variável têm sobre o cálculo da dissimilaridade entre duas condições atmosféricas não é igual. Na sua forma original desta metodologia, que não inclui os perfis de aerossóis, os perfis de temperatura têm um peso igual a um e os perfis de humidade têm um peso igual a 1/9. Para esta nova base de dados, onde os perfis de aerossóis têm de ser incluídos, foram testados três pesos diferentes (0.1, 0.2 e 0.3) para os aerossóis, mantendo os pesos dos perfis de temperatura e humidade da metodologia original. Um peso maior implica que as diferenças entre os perfis de aerossóis têm mais importância no calcula da dissimilaridade entre duas condições atmosféricas do que um peso menor. Uma análise das condições selecionadas com os três pesos mostra que um peso maior melhora a representatividade dos perfis de aerossóis, mas diminui a representatividade dos perfis de temperatura. Por outro lado, um peso menor melhora a representatividade dos perfis de temperatura, diminuindo a representatividade dos perfis de aerossóis. Os perfis de humidade não são significativamente afetados pelos diferentes pesos. Com base nesta análise, escolheu-se o valor intermédio (0.2) para criar a base de dados de calibração. Os dados atmosféricos e de superfície são obtidos, respetivamente, da 4ª-geração da reanálise global de composição atmosférica da CAMS (Copernicus Atmosphere Monitoring Service), EAC4, e da 5ªgeração da reanálise climática do Centro Europeu de Previsão do Tempo a Médio Prazo (ou ECMWF, do inglês European Centre for Medium-Range Weather Forecasts), ERA5. Com esta nova base de dados calibrou-se um algoritmo GSW com dependência no DuAOD, lembrando que um GSW tradicional só tem dependência no conteúdo atmosférico de vapor de água, no ângulo de visão do satélite e na emissividade. O desempenho deste novo algoritmo é testado face a um algoritmo GSW tradicional que não inclui aerossóis no processo de calibração. O algoritmo GSW dependente de DuAOD apresenta resultados promissores, indicando melhorias na precisão da LST de pelo menos 2 °C para valores de DuAOD acima de 0.4. Uma vez que a área total da terra onde DuAOD atinge valores de 0.4 ou mais é extensa, abrangendo todos os desertos quentes globais e as regiões circundantes afetadas pela advecção das poeiras, a implementação de um algoritmo para a estimativa de LST que seja robusto às poeiras (e outros tipos de aerossóis) pode melhorar significativamente a precisão geral dos produtos de LST e aumentar sua utilidade para aplicações como estudos climáticos. Apesar destes resultados promissores, trabalhos futuros terão de considerar diversos aspetos antes da implementação desta metodologia para a estimativa de LST em condições em que a concentração de aerossóis é elevada. Por exemplo, a precisão das estimativas de LST num contexto operacional utilizando um algoritmo GSW dependente de DuAOD dependerá da precisão das previsões de DuAOD utilizadas. Assim sendo, é necessário realizar uma análise de sensibilidade de forma a determinar o impacto das incertezas do DuAOD nas precisões da LST. Este tipo de análise também permitirá definir o limiar de DuAOD acima do qual o novo algoritmo GSW tem um desempenho melhor do que um GSW tradicional, tendo em conta as incertezas dos algoritmos e das previsões de DuAOD. Além disso, uma vez que a correção atmosférica realizada pelo GSW assume uma linearidade na absorção diferencial pelo vapor de água, é necessário investigar se essa linearidade também ocorre no caso das poeiras. Se esse não for o caso, uma formulação diferente do split-window poderá ter um desempenho melhor do que o GSW dependente do DuAOD apresentado neste trabalho.