Invoer reanalysis

Het doel van de GLEAM reanalysis berekening is om zoveel mogelijk betrouwbare en gevalideerde data te gebruiken, waaronder de gereconstrueerde en gevalideerde neerslagdata van het KNMI en gecorrigeerde beelden voor een aantal satelliet-databronnen. De correcties kosten tijd dus de gecorrigeerde data komt pas na enige tijd beschikbaar. Als gevolg hiervan zijn ook de resultaten van de GLEAM reanalysis berekening pas na drie maanden beschikbaar.

In de reanalysis berekening van GLEAM-HR gebruiken we de volgende dynamische databronnen:

Neerslag

Door het KNMI geproduceerde gecombineerde radar- en weerstation-gemeten neerslag

Temperatuur

Een samenvoeging van satelliet-gebaseerde oppervlaktetemperatuur en geinterpoleerde KNMI stations gegevens

Netto straling

Een combinatie van door satellieten gemeten albedo, oppervlakte temperatuur, landgebruik en kortgolvige gemeten straling uit het KNMI waarneemnetwerk

Bodemvocht

VanderSat hoge resolutie bodemvocht gebaseerd op de laatste versie van het LPRM model

Vegetation Optical Depth (VOD)

VanderSat VOD gebaseerd op de laatste versie van het LPRM model

Voor de open-water verdamping worden de volgende extra databronnen meegenomen:

Windsnelheid

Geinterpoleerde windsnelheid uit het KNMI waarneemnetwerk

Luchtvochtigheid

Geinterpoleerde luchtvochtigheid uit het KNMI waarneemnetwerk

Watertemperatuur

Watertemperatuur bepaald uit oppervlakte- of luchttemperatuur

Hieronder worden de gebuikte bronnen in meer detail besproken alsmede de gebruikte data hierachie voor elke bron.

Neerslag

Neerslag is een van de belangrijkste invoerdata voor GLEAM. De neerslaginterceptie in bossen wordt in GLEAM expliciet meegenomen in de verdampingsberekening. Een deel van de neerslag belandt op het gebladerte en de takken van bomen en zal daarvandaan verdampen. Een over- of onderschatting van de neerslag leidt dus direct tot een over- of onderschatting van de verdamping.

Hieronder worden de verschillende neerslag-databronnen weergegeven die gebruikt kunnen worden in de GLEAM reanalysis berekening. De eerste databron (PREC-KNMI-IRC-FINAL_V001_100) is het meest nauwkeurig en heeft daarom de voorkeur. Aangezien de reanalysis berekening pas na drie maanden gereed moet zijn zal dit product bijna altijd gebruikt worden.

graph LR; Pfin[1. PREC-KNMI-IRC-FINAL_V001_100] -- merge --> P[Neerslag voor GLEAM-HR]; Pear[2. PREC-KNMI-IRC-EARLY_V001_100] -- merge --> P; PNRT[3. PREC-KNMI-IRC-NRT_V001_100] -- merge --> P; PAWS[4. PREC-KNMI-AWS_V001_100] -- merge --> P; PHARM[5. PREC-KNMI-HARM-P0D0H_V001_100] -- merge --> P; Pzero[6. Zero precip value] -- merge --> P;

Gebruikte neerslag

Temperatuur

Temperatuur in GLEAM-HR wordt gebruikt om eventuele sneeuwsmelt te modelleren en om sublimatie van water vanuit sneeuwvelden te berekenen. Daarnaast wordt de temperatuur gebruikt in combinatie met de kortgolvige gemeten straling om de lange golf component te berekenen. Testen hebben uitgewezen dat het gebruik van de gemiddelde oppervlakte temperatuur (dag en nacht meting) erg lijkt op KNMI luchttemperatuur en voor deze applicatie goede resultaten levert. Boven land is de satellietdata de primaire bron, boven water de KNMI luchttemperatuur omdat de oppervlakte temperatuur boven water door satellieten (nog) niet goed bepaald wordt.

graph LR; asc[TEFF-AMSR2-ASC_V003_100] -- middel --> teff[ 1. Gemiddelde oppervlakte temperatuur] desc[TEFF-AMSR2-DESC_V003_100] -- middel --> teff[ 1. Gemiddelde oppervlakte temperatuur] tair[2. TEMPAIR-KNMI-AWS_V001_100] -- merge --> P[Temperatuur voor GLEAM-HR]; teff[1. TEFF-AMSR2-DESC_V003_100] -- merge --> P;

Gebruikte temperatuur databronnen boven land

graph LR; tair[1. TEMPAIR-KNMI-AWS_V001_100] --> P[Temperatuur voor GLEAM-HR];

Gebruikte temperatuur databronnen boven water

Oppervlakte Albedo

De albedo van een oppervlak bepaalt de verhouding tussen opgenomen straling en gereflecteerde straling. De albedokaart voor SATDATA 3.0 wordt uit verschillende satellietbeelden berekend (zie onder).

graph LR; subgraph Medio-2020 pv[ProbaV 1km Albedo] -- downscale --> a1[1. Albedo]; s2[Sentinel-2 Albedo] -- downscale --> a1; end a1 -- merge --> ag[Oppervlakte Albedo]; a2[2. Albedo climatologie] -- merge --> ag;

Gebruikte albedo databronnen

Netto straling en beschikbare energie

De daggemiddelde netto straling is een van de belangrijkste invoerdata van het GLEAM-HR verdampingsmodel. Deze wordt bepaald zoals in het onderstaande schema is aangegeven:

graph TB; sinstat[1. RADSIN-KNMI-AWS_V001_100] -- merge --> sin[Inkomende <br/>kortgolvige straling]; sinmod[2. RADSIN-KNMI-HARM_V001_100] -- merge --> sin; sin --> cf; sin --> sinnet; sinclear[Inkomende heldere<br/> hemel straling] --> cf[Bewolkingsfractie]; alb[Oppervlakte<br/>Albedo] --> sinnet[Netto kortgolvige straling]; cf --> rnetlong; Emissiviteit --> rnetlong; t[Temperatuur] --> rnetlong[Netto langgolvige<br/>straling]; t --> Emissiviteit rnetlong --> rnet[Netto straling] sinnet --> rnet; t --> Watertemperatuur(Water<br/>temperatuur); subgraph OpenWater Watertemperatuur --> Warmteflux(Water<br/> Warmteflux); end Warmteflux --> BE[Beschikbare energie]; rnet --> BE[Beschikbare energie];

Bepaling netto straling. Water temperatuur en water-warmteflux worden alleen voor de open water cellen bepaald

Bodemvocht

GLEAM berekent de hoeveelheid bodemvocht als resultante van een aantal hydrologische processen. Echter, het bodemvocht kan ook direct uit satellietbeelden worden afgeleid. We gebruiken het VanderSat SMAP L-band bodemvocht als extra invoer in GLEAM-HR. Door middel van data-assimilatie wordt het door GLEAM-HR berekende bodemvocht in overeenstemming gebracht met de satellietbeelden. GLEAM-HR gebruikt hiervoor een ‘Newtonian nudging’ methode [MML+17]:

\[w_i^{(1)+} = w_i^{(1)-} + K\gamma (\hat{w}_i^0 - \hat{w}_i^{(1)-})\]

Hierin is \(w_i^{(1)+}\) de a posteriori bodemvocht status in de bovenste model laag (i.e. na de toepassing van het data assimilatie algorithme), \(w_i^{(1)-}\) is de a priori bodemvocht status in dezelfde laag voor de assimilatie, \(K (–)\) is de nudging factor (een waarde van 1 betekent maximale assimilatie), \(\gamma\) is de data kwaliteitsfactor, \(\hat{w}_i^0\) en \(\hat{w}_i^{(1)-}\) zijn de respectievelijk gemeten- en gemodelleerde- bodemvocht anomalien.

De \(K\) factor is bij de start van de dataservice op 0.25 gezet. De \(\gamma\) factor wordt bepaald aan de hand van de landgebruik fracties en de VanderSat L-band VOD. Hierbij geldt dat stedelijke gebieden en hoge VOD waarden een indicatie zijn voor mindere kwaliteit/nauwkeurigheid. Deze gebieden krijgen daarom een lagere \(\gamma\) factor.

Vegetation Optical Depth (VOD)

Een dagelijkse meeting van VanderSat C-Band VOD (geschaald tussen het 5% en 95% percentiel) is een van de invoer parameters van GLEAM-HR. De VOD wordt in de vegetatie stress module gebruikt om transpiratie reductie als gevolg van stress te bepalen in samenwerking met de bodem module:

\[S = \sqrt{\frac{VOD}{VOD_{max}}} (1 - (\frac{w_c - w^{(w)}}{w_c - w_{wp}})^2)\]

Windsnelheid

De windsnelheid wordt uit de geinterpoleerde KNMI stations bepaald met als backup de Harmonie data. De windsnelheid wordt gebruikt in de transport term van de open water verdampings bepaling.

graph LR; Pfin[1. WS-KNMI-AWS_V001_100] -- merge --> P[Windsnelheid voor open water verdamping]; Pear[2. WS2-KNMI-HARM-P0D0H_V001_100] -- merge --> P;

Gebruikte windsnelheid databronnen

Luchtvochtigheid

De luchtvochtigheid wordt uit de geinterpoleerde KNMI stations bepaald met als backup de Harmonie data. De luchtvochtigheid wordt gebruikt in the transport term van de open water verdampings bepaling.

graph LR; Pfin[1. RH-KNMI-AWS_V001_100] -- merge --> P[Luchtvochtigheid voor open water verdamping]; Pear[2. RH-KNMI-HARM-P0D0H_V001_100] -- merge --> P;

Gebruikte Luchtvochtigheid databronnen

Watertemperatuur

Om de warmtestroom in/uit open water mee te nemen wordt de water temperatuur bepaald uit de lucht temperatuur.