The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing.
The operational NO2 total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products.
The operational NO2 tropospheric column products are generated using the algorithm GDP (GOME Data Processor) version 4.x for NO2 [Valks et al. (2011)] integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products.
The total NO2 column is retrieved from GOME solar back-scattered measurements in the visible wavelength region using the DOAS method.
An additional algorithm is applied to derive the tropospheric NO2 column: after subtracting the estimated stratospheric component from the total column, the tropospheric NO2 column is determined using an air mass factor based on monthly climatological NO2 profiles from the MOZART-2 model.
For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/
The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing.
The operational ozone total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products.
The new improved DOAS-style (Differential Optical Absorption Spectroscopy) algorithm called GDOAS, was selected as the basis for GDP version 4.0 in the framework of an ESA ITT. GDP 4.x performs a DOAS fit for ozone slant column and effective temperature followed by an iterative AMF / VCD computation using a single wavelength.
For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/
Es gibt konzeptionelle Gründe, Interesse an effizienten Atmosphärenmodellen zu haben, weil diese tiefere Einblicke in der Atmosphärendynamik erlauben, z.B. in Hinsicht auf Klimavariabilität. Solche Modelle sind aber auch ein nützliches Werkzeug bei Untersuchungen der Klimasensitivität oder des Paläoklimas, wo sehr viele oder sehr lange Integrationen benötigt werden und somit die Recheneffizienz eine wichtige Rolle spielt. Besonders bei diesen Anwendungen muss darauf Wert gelegt werden, dass die unvermeidlichen Subgitterskalenparametrisierungen möglichst viel auf ersten Prinzipien basieren. Die stochastische Modenreduktion (SMR) bietet hier eine Strategie, bei der ein großer Teil der Parametrisierung auf Papier hergeleitet wird, wenn bestimmte Terme, die Wechselwirkungen zwischen nichtaufgelösten Moden beschreiben, durch einen einfachen stochastischen Prozess modelliert werden können. In früheren Anwendungen der SMR wurden die reduzierten Atmosphärenmodelle immer im Spektralraum formuliert. Somit koppelt die dazugehörige globale subgitterskalige Parametrisierung alle aufgelösten Moden miteinander. Letztes begrenzt die Anwendbarkeit der Methode auf niedrigdimensionale Systeme. Um dieses Problem zu umgehen, ist unlängst eine Implementierung der SMR für gitterbasierte Raumdiskretisierungen entwickelt worden, die in einer lokalen Parametrisierung resultiert. Diese Strategie wurde bis jetzt nur im Rahmen der Burgersgleichung getestet. Das vorgeschlagene Projekt soll signifikant dazu beitragen, die lokale SMR auf realistische Modelle der Atmosphärendynamik anzuwenden. Dabei sollen subgitterskalige Parametrisierungen für die barotrope Vorticitygleichung und für die Flachwassergleichungen auf der f-Ebene konstruiert werden. Beide Modelle beinhalten wesentliche Eigenschaften, die berücksichtigt werden müssen, wenn man die lokale SMR auf die allgemeinen Gleichungen für die Beschreibung der Atmosphärendynamik anwenden will. Die neuen subgitterskaligen Parametrisierungen sollen folgende Kriterien erfüllen: i) sie sollen systematisch aus den Modellgleichungen unter einer relativ kleinen Anzahl von Grundannahmen hergeleitet werden ii) sie sollen so konsistent wie möglich mit den Erhaltungseigenschaften der Gleichungen sein und iii) sie sollen eine minimale (falls möglich gar keine) Anpassung an Daten der aufgelösten Skalen verwenden. In der Klimamodellierung existiert ein großer Bedarf an physikalisch basierten und auflösungsunabhängig formulierten stochastischen Parametrisierungen. Die Entwicklung von subgitterskaligen Parametrisierungen mittels der SMR, wie in diesem Projekt vorgeschlagen, wird zu solchen Verfahren beitragen. Die Turbulenzparametrisierung in grob auflösenden Simulationen ist ein anderes Feld, das von einer solchen Entwicklung profitieren kann.