Simulation des Einflusses von Bewölkung auf die UV-Strahlung mittels Neuronaler Netze

Erklärtes Ziel der Modellierung der UV-Strahlung ist die
Bereitstellung von Werten für Zeiten und Orte, an denen nicht
gemessen werden kann, sowie zur Prognose. Im wolkenfreien Fall
lassen sich die UV-Strahlungsgrößen hinreichend genau modellieren.
Die Fehler resultieren im Wesentlichen aus der unpräzisen Kenntnis
der relevanten atmosphärischen Parameter. Demgegenüber ist die
Modellierung der UV-Strahlung bei Bewölkung bisher nur unzureichend
gelöst. Die diesbezüglichen Problematiken sind vielfältig. Für eine
exakte Berechnung der Strahlungswerte ist ein drei-dimensionales
Strahlungsmodell erforderlich, da Wolken weder horizontal, noch
vertikal homogen sind. Die detaillierte Kenntnis der mikro- und
makrophysikalischen Wolkeneigenschaften ist aber im Einzelfall
kaum, für die Prognose nie verfügbar. Zudem weisen die aufwendigen
drei-dimensionalen Strahlungsmodelle sehr lange Rechenzeiten auf.
Aus diesen Gründen wurde bisher vielfach der Weg beschritten,
ein-dimensionale Modelle, wie sie für den wolkenlosen Fall benutzt
werden, auch für den bewölkten Fall anwendbar zu machen. Hierzu
wird der Einfluß der Wolken auf das UV-Strahlungsfeld nicht mehr
exakt physikalisch, sondern statistisch beschrieben. In dieser
Arbeit wird der Einfluß von Bewölkung auf die bodennahe
UV-Globalstrahlung untersucht. Die Beschreibung der Wirkung von
Wolken auf die UV-Globalstrahlung erfolgt mit sogenannten
Wolkenmodifikationsfaktoren µ. Diese geben den Quotienten zwischen
der UV-Globalstrahlung bei Wolken und derjenigen UV-Globalstrahlung
ohne Wolken, bei sonst identischer Atmosphäre, an. In der
Vergangenheit wurden die µ-Werte aus Meßreihen der integralen
UV-Strahlung an verschiedenen Orten gewonnen. Die Herleitung der µ
aus Messungen ist aber mit dem Problem behaftet, für eine beliebige
Messung bei Wolkeneinfluß eine dazu vergleichbare Messung bei
wolkenlosen Bedingungen zu finden. Dies bedeutet, daß
Sonnenzenitwinkel, Ozongesamtgehalt, Aerosol- und Albedobedingungen
identisch sein müssen. Dies ist in der Praxis auch bei mehrjährigen
Meßreihen nicht gegeben. Meist werden, unter Vernachlässigung von
Aerosol und Albedo, Messungen mit ähnlichem Sonnenzenitwinkel
verwendet, die auf gleichen Ozongesamtgehalt angepaßt werden.
Dementsprechend werden nur grobe Mittelwerte von µ ohne deren
Abhängigkeit von anderen Atmosphärenparametern bestimmt.
Darüberhinaus sind Untersuchungen hinsichtlich der spektralen
Abhängigkeit von µ nicht möglich. Im Rahmen dieser Arbeit wurde ein
umfangreiches Datenmaterial an µ-Werten bereitgestellt und mittels
der Analysetechnik der Neuronalen Netz systematisch untersucht. Der
große Datenumfang wurde dadurch gewährleistet, daß zu jedem
gemessenen UVSpektrum bei Wolken das entsprechende UV-Spektrum für
wolkenlose Bedingungen, sonst aber gleichen
Atmosphäreneigenschaften, nicht innerhalb der UV-Meßreihe gesucht,
sondern mit einem Strahlungsübertragungsmodell simuliert wurde. Die
Verwendung hochwertiger, spektraler UV-Messungen ermöglichte
einerseits eine größtmögliche Genauigkeit bei der Übereinstimmung
von Simulation und Meßsignal innerhalb von ca. ± 5% Abweichung,
andererseits auch eine Analyse der spektralen Abhängigkeit der
µ-Werte. Die Neuronalen Netze dienten der Untersuchung der
systematischen Abhängigkeiten dieser µ-Werte von einer adäquaten
Wolkenbeschreibung und anderen relevanten Atmosphärenparametern
(Sonnenzenitwinkel und Bodenalbedo). Die diesbezüglichen
Auswertungen vertiefen das Verständnis über die Strahlungswirkung
von Wolken auf die UV-Strahlung, gerade bei durchbrochener
Bewölkung. Neben diesen Sensitivitätsstudien wurden mit Hilfe der
Neuronalen Netze Algorithmen gewonnen, die, in Kombination mit
einem Strahlungsübertragungsmodell, in der Lage sind, die
UV-Strahlung bei jeder Art von Bewölkung zu simulieren. Neben der
Simulation mittlerer Bedingungen, bzw. der Prognose, wurden auch
die Möglichkeiten zur Simulation des aktuellen Falles entscheidend
verbessert. Durch die Hinzunahme einfacher integraler
Globalstrahlungsmessungen als Wolkenbeschreibung reduziert sich der
Fehler der einzelnen Modellierung um mehr als einen Faktor 2. Bei
Nutzung jener Algorithmen ist auch die Modellierung signifikanter
Erhöhungen der UV-Globalstrahlung bei durchbrochener Bewölkung im
Vergleich zum wolkenlosen Fall möglich. Im Rahmen dieser Arbeit
konnte damit die UV-Strahlung bei beliebiger Bewölkung für µ-Werte
größer als 0.5 in 90% aller Fälle mit einem Fehler von kleiner als
± 15% modelliert werden.