Open Access

Jessica Danker

• Marine stratocumuli cover about 40 - 60% of the ocean surface. They self-organize into different morphological regimes. The two organized cellular regimes are called open and closed mesoscale-cellular convective (MCC) clouds. In mid-to-high latitudes, open and closed cells are the two most frequent types of MCC clouds. In particular, many MCC clouds consist of a mixture of vapor, liquid droplets, and ice particles, referred to as mixed-phase clouds (MPCs). Even for the same cloud fraction, the albedo of open cells is, on average, lower than that of closed MCC clouds. Cloud phase and morphology individually influence the cloud radiative effect. Thus, this thesis investigates the relationships between the cloud phase, MCC organization, cell size, and differences regarding the cloud-radiative effect. This thesis focuses on space-borne retrievals to achieve extensive temporal and spatial coverage. The liDAR-raDAR (DARDAR) version 2 product collocates two active and one passive satellite: CloudSat, Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations (CALIPSO), and Moderate Resolution Imaging Spectroradiometer (MODIS). The cloud phase of DARDAR is vertically integrated to establish a single cloud phase at each data point. The MCC classification data set based on the liquid water path (LWP) of MODIS scenes is collocated with the DARDAR product to determine the MCC organization. Cell-size statistics of both MCC clouds are obtained using a marker-based image segmentation method on MODIS reflectance scenes. In addition, based on MODIS reflectance scenes, a convolutional neural network (CNN) is developed to classify open and closed MCC scenes to avoid missing mature MPCs with a low LWP. The first part of this thesis explores the relationships between cloud phase, morphology, and cloud albedo in the Southern Ocean (SO). At a given cloud-top temperature (CTT), seasonal changes in the mixed-phase fraction, defined as the number of MPCs divided by the sum of MPC and supercooled liquid cloud (SLC) pixels, are stronger than the morphological changes. Therefore, external factors seem to influence these changes instead of morphology. The dependence of cloud phase on cloud-top height (CTH) is more substantial than on CTT in clouds with CTHs below 2.5 km. The previously observed acceleration of closed-to-open transition in MPCs, known as preconditioning, is not the primary driver of climatological cloud morphology statistics in the SO. The morphological differences in cloud albedo are more pronounced in SLCs than in MPCs. This change in albedo alters the cloud radiative effect in the SO by 21Wm−2 to 39Wm−2 depending onseason and cloud phase. Open and closed MCC clouds exhibit larger equivalent cell diameters in the MPCs than in SLCs in austral summer, whereas, in austral winter, the SLCs are larger. The cell’s aspect ratio accounts for varying CTHs. Closed cells have smaller aspect ratios than open cells, so their cell diameter is smaller, independent of CTH. While the seasonal differences in closed cells are due to changes in CTH, the seasonal aspect ratio differences in open cells are mainly caused by MPCs. With increasing aspect ratios, the cloud albedo decreases in both open and closed MCC clouds, with the most substantial decrease in open MPCs clouds. This leads to cloud-radiative changes of 60 - 75Wm−2 in the SO, depending on cloud phase and aspect ratio. The established CNN exhibits a good accuracy of 80.6%, with even higher accuracies in the Open (85.5%) and Closed (87.3%) categories. The global MCC climatology based on the CNN generally agrees well with previous MCC distributions. The most notable difference occurs in the Northern Hemisphere (NH) in boreal winter, with a higher occurrence frequency of closed and open MCC clouds. This might indicate missing MPCs in previous studies based on the LWP and some restricted to warm cloud scenes. Thus, the developed CNN seems to better represent the different morphologies in MPCs than in previous classifications. In conclusion, this thesis shows that understanding the dependencies of cloud phase, cloud morphology, and cell size is important to enhance predictions of the cloud-radiative effect and thus, it is important to evaluate how cloud phase, cloud morphology, and cellsize change in a warming climate.
• Marine Stratocumuli bedecken etwa 40 bis 60% der Meeresoberfläche. Sie organisieren sich selbst in verschiedenen morphologischen Regimen. Die beiden organisierten zellulären Regime werden als offene und geschlossene mesoskalig-zelluläre konvektive (MCC)Wolken bezeichnet. In mittleren bis hohen Breitengraden sind offene und geschlossene Zellen die beiden häufigsten Typen von MCC-Wolken. Viele MCC-Wolken bestehen aus einer Mischung aus Dampf, Flüssigkeitströpfchen und Eispartikeln, die als Mischphasenwolken (MPCs) bezeichnet werden. Selbst bei gleichem Wolkenbedeckungsgrad ist die Albedo offener Zellen im Durchschnitt niedriger als die von geschlossenen MCC-Wolken. Wolkenphase und -morphologie beeinflussen individuell die Strahlungswirkung von Wolken. Daher werden in dieser Arbeit die Beziehungen zwischen der Wolkenphase, der MCC-Organisation, der Zellgröße, sowie deren Unterschieden in der Wolkenstrahlungswirkung untersucht. Diese Arbeit konzentriert sich auf weltraumgestützte Messungen, um eine umfassende zeitliche und räumliche Abdeckung zu gewährleisten. Das Produkt liDAR-raDAR (DARDAR) Version 2 setzt sich aus zwei aktiven und einem passiven Satelliten zusammen: CloudSat, Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations (CALIPSO), und Moderate Resolution Imaging Spectroradiometer (MODIS). Die Wolkenphase von DARDAR wird vertikal integriert, um für jeden Datenpunkt eine einzige Wolkenphase zu erstellen. Der MCC-Klassifizierungsdatensatz, der auf dem Flüssigwasserpfad (LWP) von MODIS-Szenen basiert, wird mit dem DARDAR-Produkt kombiniert, um die MCCOrganisation zu bestimmen. Die Zellgrößenstatistiken beider MCC-Wolken werden mit einer markerbasierten Bildsegmentierungsmethode von MODIS-Reflektanzszenen erstellt. Darüber hinaus wird auf der Grundlage von MODIS-Reflektanzszenen ein faltendes neuronales Netzwerk (CNN) entwickelt, um offene und geschlossene MCC-Szenen zu klassifizieren, um zu vermeiden, dass ausgewachsene MPCs mit einem niedrigen LWP übersehen werden. Im ersten Teil dieser Arbeit werden die Beziehungen zwischen Wolkenphase, Morphologie und Wolkenalbedo im Südlichen Ozean (SO) untersucht. Bei einer gegebenen Wolkenobergrenzentemperatur (CTT) sind die saisonalen Veränderungen des Mischphasenanteils stärker als die morphologischen Veränderungen. Der Mischphasenanteil ist definiert als die Anzahl der MPCs geteilt durch die Summe der MPC- und SLC-Pixel (unterkühlte (supercooled) flüssigWolken). Daher scheinen externe Faktoren diese Veränderungen zu beeinflussen und nicht die Morphologie. Die Abhängigkeit der Wolkenphase von der Wolkenobergrenzenhöhe (CTH) ist bei Wolken mit einer CTH von weniger als 2,5 km deutlicher als von der CTT. Die zuvor beobachtete Beschleunigung des Übergangs von geschlossen zu offenen Wolken in MPCs, bekannt als Präkonditionierung, ist nicht der primäre Treiber der klimatologischen Wolkenmorphologiestatistiken im SO. Die morphologischen Unterschiede in der Wolkenalbedo sind in SLCs stärker ausgeprägt als in MPCs. Diese Änderung der Albedo verändert den Strahlungseffekt der Wolken in der SO um 21Wm−2 bis 39Wm−2 je nach Jahreszeit und Wolkenphase. Offene und geschlossene MCC-Wolken weisen im Südsommer größere äquivalente Zelldurchmesser in den MPCs als in den SLCs auf, während die SLCs im Südwinter größer sind. Das Seitenverhältnis der Zellen berücksichtigt die unterschiedlichen CTHs. Geschlossene Zellen haben ein kleineres Seitenverhältnis als offene Zellen, so dass ihr Zelldurchmesser unabhängig von der CTH kleiner ist. Während die saisonalen Unterschiede in geschlossenen Zellen auf Veränderungen der CTH zurückzuführen sind, werden die saisonalen Unterschiede im Seitenverhältnis in offenen Zellen hauptsächlich durch MPCs verursacht. Mit zunehmendem Seitenverhältnis nimmt die Wolkenalbedo sowohl in offenen als auch in geschlossenen MCC-Wolken ab, wobei der stärkste Rückgang in offenen MPCWolken zu verzeichnen ist. Dies führt zu Wolkenstrahlungsänderungen von 60-75Wm−2 im SO, je nach Wolkenphase und Seitenverhältnis. Das entwickelte CNN weist eine hohe Genauigkeit von 80,6% auf, mit noch höheren Genauigkeiten in den Kategorien Offen (85,5%) und Geschlossen (87,3%). Die auf dem CNN basierende globale MCC-Klimatologie stimmt im Allgemeinen gut mit früheren MCC-Verteilungen überein. Der auffälligste Unterschied tritt im Nordatlantik im Nordwinter auf, mit einer höheren Häufigkeit von geschlossenen und offenen MCC-Wolken. Dies könnte darauf hindeuten, dass MPCs in früheren Studien, die auf dem LWP basieren und einige sich auf warme Wolkenszenen beschränken, fehlen. Das entwickelte CNN scheint also die verschiedenen Morphologien in den MPCs besser darzustellen als frühere Klassifikationen...