Soil Moisture Analysis Based On Microwave Brightness Temperatures

Abstract

In the context of the EU research project ELDAS, the European Centre for Medium-Range Weather Forecasts developed an experimental soil moisture analysis system which is able to assimilate both screen-level variables (2-metre air temperature and relative humidity) and satellite-observed land surface brightness temperatures at low microwave frequencies. Based on measurements from the Southern Great Plains Hydrology Experiments (SGP97 and SGP99), this study investigates the impact of potential systematic and random errors on the performance of the ELDAS soil moisture analysis and discusses how to cope with these errors in operational applications. Three topics are addressed in detail:<br /> (a) An error propagation experiment simulates the effects of erroneous precipitation forcing on the soil moisture of different model layers. The resulting depth-dependent uncertainties are integrated into the model error covariance matrix. Analysed soil moisture and modelled surface heat fluxes from assimilation runs using this covariance matrix are compared to results from reference runs using a vertically uniform model error. The different model error covariance matrices significantly affect model soil moisture and fluxes; a preferable setting, however, can not be identified.<br /> (b) An easy-to-apply method of accounting for systematic errors of observations, forward operators and the background soil moisture in an operational large-scale forecast environment is to correct the observations used for the assimilation procedure by the innovation bias (the systematic deviation of the observations from the model equivalents). Such a correction is carried out based on data from an SGP97 site and is shown to improve the performance of the soil moisture analysis. The simulation of the surface latent and sensible heat fluxes, however, does not benefit from the improved analysis. Significant contributions to the innovation biases are shown to result from the microwave forward operator and a dry bias of the modelled near-surface soil moisture. <br /> (c) Land surface schemes of current weather forecast models do not sufficiently resolve the top few centimetres of the soil from where the main brightness temperature signal originates. In case of non-uniform near-surface soil moisture and temperature profiles in reality, the assimilation of the corresponding brightness temperature observations can lead to misinterpretations by the soil moisture analysis. The relevance of this model shortcoming is investigated with artificial profiles created on the basis of SGP99 soil moisture and temperature measurements. Mean brightness temperature errors of up to 5 K are found depending on the days elapsed after a rainfall event. A simple bias correction method is presented and applied for the SGP97 period.

<strong>Bodenfeuchteanalyse mittels Helligkeitstemperaturen - Eine Studie über systematische und zufällige Fehler</strong><br /> Im Rahmen des EU-Forschungsprojekts ELDAS hat das Europäische Zentrum für mittelfristige Wettervorhersage ein experimentelles Bodenfeuchteanalysesystem entwickelt, mit dem sowohl Messungen der 2m-Lufttemperatur und -feuchte als auch Satellitenbeobachtungen der Landoberflächenhelligkeitstemperatur im niederfrequenten Mikrowellenbereich assimiliert werden können. Basierend auf Feldmessungen der Southern Great Plains Hydrology Experiments (SGP97 und SGP99) untersucht diese Studie, welche Auswirkungen potentielle systematische und zufällige Fehler auf die Güte der ELDAS-Bodenfeuchteanalyse haben und wie diese Fehler im operationellen Modellbetrieb berücksichtigt werden können. Drei Themenschwerpunkte werden diskutiert:<br /> (a) In einem Fehlerausbreitungsexperiment werden die Auswirkungen von fehlerhaften Niederschlagsdaten auf die Bodenfeuchte in verschiedenen Modellschichten simuliert. Die resultierenden, von der Bodentiefe abhängigen Unsicherheiten werden in die Kovarianzmatrix des Modellfehlers integriert. Die auf Basis dieser Kovarianzmatrix berechneten Bodenfeuchten und turbulenten Wärmeflüsse werden mit Ergebnissen von Referenzläufen, bei denen ein vertikal konstanter Modellfehler angenommen wurde, verglichen. Die unterschiedlichen Kovarianzmatrizen des Modellfehlers beeinflussen signifikant die Modellbodenfeuchte und -flüsse. Welche Kovarianzmatrix insgesamt besser ist, kann aber anhand der vorhandenen Ergebnisse nicht festgestellt werden.<br /> (b) Eine einfach anzuwendende Methode, um systematische Fehler der Beobachtungen, der Vorwärtsoperatoren und der Hintergrundbodenfeuchte im operationellen Betrieb eines großskaligen Vorhersagemodells zu berücksichtigen, ist die Korrektur der zu assimilierenden Beobachtungen um den Betrag des Innovationsbias' (die systematische Abweichung der Beobachtungen von den entsprechenden Modellwerten). Eine solche Korrektur wurde anhand von Daten eines SGP97-Messfeldes durchgeführt. Die Güte der Bodenfeuchteanalyse konnte dadurch verbessert werden. Die Simulation der turbulenten Wärmeflüsse profitiert jedoch nicht von der verbesserten Bodenfeuchteanalyse. Es wird gezeigt, dass der Mikrowellen-Vorwärtsoperator und ein trockener Bias der oberflächennahen Modellbodenfeuchte die wesentlichen Beiträge zum Innovationsbias liefern.<br /> (c) Die Bodenmodelle in gegenwärtigen Wettervorhersagemodellen erfassen die obersten Zentimeter des Bodens, von wo der wesentliche Beitrag zum Helligkeitstemperatursignal kommt, nur ungenügend. Die Assimilation von Helligkeitstemperaturen kann deshalb zu falschen Interpretationen durch die Bodenfeuchteanalyse führen. Die Relevanz dieser Modellunzulänglichkeit wird anhand von künstlichen Bodenfeuchte- und Bodentemperaturprofilen, die auf Basis von SGP99-Messungen erzeugt wurden, untersucht. Bei den modellierten Helligkeitstemperaturen ergeben sich durchschnittliche Fehler von bis zu 5 Kelvin, abhängig von der Anzahl der Tage, die seit dem Auftreten eines Regenereignisses vergangen sind. Es wird eine einfache Biaskorrektur vorgeschlagen und für den SGP97-Zeitraum angewendet.