Perfiles verticales de propiedades de los aerosoles atmosféricos en la Península Ibérica
Abstract
Departamento de Física Teórica, Atómica y Óptica
Full text
Trabajo Fin de Máster Máster en Física Perfiles vercales de propiedades de los aerosoles atmosféricos en la Península Ibérica Autor: Celia Herrero del Barrio Tutor/es: Roberto Román Diez David Mateos Villán
1 RESUMEN Los aerosoles atmosféricos enen un papel fundamental en el equilibrio térmico de la Tierra, sin embargo, el conocimiento de su efecto neto todavía presenta grandes incerdumbres. Con el objevo de profundizar en el conocimiento de sus propiedades ópcas y microsicas, diversos trabajos cienficos han propuesto combinar datos con resolución vercal, obtenidos mediante ceilómetros, con información de propiedades integradas a la columna atmosférica, que se pueden obtener mediante fotómetros. Ulizando estos dos pos de medidas en el algoritmo de inversión GRASP (“Generalized Retrieval of Aerosol and Surface Properes”), es posible obtener propiedades ópcas extensivas con resolución vercal como son los perfiles vercales de los coeficientes de dispersión, retrodispersión y exnción o la concentración en volumen de los aerosoles. Esta metodología se ha ulizado para construir la red CAECENET, una asociación de estaciones de medida en la Península Ibérica que disponen de fotómetro y ceilómetro, comparten protocolos de calibración para sus instrumentos y disponen sus datos para implementar esta metodología de cálculo de propiedades de los aerosoles. Con la intención de validar y evaluar la calidad de los datos que proporciona CAECENET, en este trabajo se ha establecido una comparava de los datos proporcionados por esta red para la ciudad de Valladolid, con los de la red AERONET (AErosol ROboc NETwork), considerada de referencia en el estudio de las propiedades en columna de los aerosoles. En este aspecto se ha obtenido un buen acuerdo entre ambas bases de datos. También se han ulizado los datos de CAECENET para calcular una climatología de perfiles vercales de la concentración en volumen y coeficientes de exnción, dispersión y retrodispersión con la intención de probar la ulidad de estos datos en la determinación de las propiedades vercales de los aerosoles en la Península Ibérica. Por úlmo, se han empleado los datos de disntas estaciones para mostrar que es posible la monitorización de un evento de transporte de polvo desérco a la Península ulizando los datos de esta red. ABSTRACT Atmospheric aerosols play a fundamental role in the Earth's thermal balance; however, they sll pose significant uncertaines. In order to deepen our understanding of their opcal and microphysical properes, various scienfic studies have proposed combining vercally resolved data obtained from ceilometers with column-integrated informaon obtained from photometers. By ulizing these two types of measurements in GRASP (Generalized Retrieval of Aerosol and Surface Properes) inversion algorithm, it is possible to retrieve extensive opcal properes with vercal resoluon, such as vercal profiles of scaering, backscaering, exncon coefficients, as well as volume concentraon. These results have been used to establish the CAECENET network, an associaon of measurement staons in the Iberian Peninsula that have both photometers and ceilometers collocated, share instrument calibraon protocols, and provide their data to implement this aerosol property calculaon methodology. In order to test the ulity of this data in determining the vercal properes of aerosols in the Iberian Peninsula, this study conducted a comparison of the data provided by this network for the city of Valladolid with those from the AERONET network, considered as a reference for columnar aerosol property studies, resulng in a good agreement. These data were also used to calculate a climatology of vercal profiles of volume concentraon and exncon, scaering, and backscaering coefficients. Finally, data from different staons were ulized to demonstrate the capability of monitoring a desert dust transport event to the Peninsula in near-real-me.
2 Índice 1. Introducción .................................................................................................................................. 3 1.1. El aerosol atmosférico ................................................................................................................. 3 1.2. Propiedades de los aerosoles ...................................................................................................... 4 1.2.1. Espesor ópco de aerosoles ............................................................................................... 5 1.2.2. Exponente de Ångström ..................................................................................................... 6 1.2.3. Distribución de tamaños .................................................................................................... 6 1.2.4. Esfericidad .......................................................................................................................... 7 1.2.5. Albedo de dispersión simple .............................................................................................. 7 1.2.6. Índice de refracción ............................................................................................................ 7 1.2.7. Parámetro de asimetría ...................................................................................................... 7 1.2.8. Coeficientes de exnción, absorción, scaering, backscaering y razón lidar .................. 7 1.3. Medida de los aerosoles ............................................................................................................. 8 1.4. Objevos ..................................................................................................................................... 9 2. Instrumentación y metodología ................................................................................................... 10 2.1. Fotometría ................................................................................................................................ 10 2.1.1. AERONET .......................................................................................................................... 10 2.1.2. CIMEL CE318 .................................................................................................................... 10 2.1.3. CÆLIS ......................................................................................................................................... 13 2.2. Ceilómetros ............................................................................................................................... 14 2.2.1. ICENET .............................................................................................................................. 15 2.2.2. CHM15k-Nimbus .............................................................................................................. 15 2.3. Modelos de inversión: GRASP ................................................................................................... 16 2.4. CAECENET ................................................................................................................................. 18 2.5. Estaciones de medida ............................................................................................................... 20 3. Resultados ................................................................................................................................... 21 3.1. Validación CAECENET-AERONET ................................................................................................ 21 3.2. Climatología de Valladolid ......................................................................................................... 27 3.3. Análisis de un evento de transporte ......................................................................................... 32 4. Conclusiones ............................................................................................................................... 37 5. Bibliograa .................................................................................................................................. 38 ANEXO I ............................................................................................................................................... 43 ANEXO II .............................................................................................................................................. 45
3 1. Introducción 1.1. El aerosol atmosférico El aerosol puede definirse como el conjunto de parculas sólidas o líquidas suspendias en un medio gaseoso, como es la atmosfera (Willeke & Baron, 1993). En una primera clasificación, se disnguen dos grupos de aerosoles según su origen: antropogénicos y naturales. Los primeros son derivados de la acvidad humana, como la quema de biomasa para sistemas de calefacción, parculas minerales surgidas de procesos industriales o parculas secundarias producidas fotoquímicamente a parr de la nucleación de contaminantes gaseosos; mientras que los naturales son tales como el polen, polvo mineral de origen desérco, cenizas volcánicas o sal marina, entre otros (Toledano, 2005). También se establece una clasificación del aerosol en función del diámetro y densidad de las parculas mediante su distribución de tamaños. Dentro de esta se disnguen dos modos: el modo fino, correspondiente a parculas de menos de 1 µm de diámetro; y el modo grueso para diámetros entre 1 y 100 µm. El tamaño de las parculas influye en los mecanismos de su formación y eliminación, condicionando el empo de vida del aerosol en la atmósfera. Las parculas más pesadas suelen ser depositadas por la acción de la gravedad o el viento (deposición seca). En el caso de las parculas finas se disngue la formación por procesos de condensación (parculas de menos de 0.1 µm) o de nucleación (entre 0.1 y 1 µm) y suelen ser eliminadas por la lluvia (deposición húmeda). Si las parculas finas alcanzan la estratosfera (más de 10 km de altura), es dicil que se eliminen al estar impedidos los movimientos vercales en esta región (Salby, 2012). Durante el empo que permanecen suspendidas en la atmósfera, las parculas pueden interactuar directamente con la radiación solar mediante procesos de absorción y dispersión, lo que se conoce como interacción aerosol-radiación (Boucher et al., 2013); o indirectamente, actuando como núcleos de condensación y congelación en la formación de nubes de agua y hielo, modificando el albedo de las nubes y favoreciendo o inhibiendo la precipitación (interacción aerosol-nube) (Tomasi et al., 2015). Estos procesos afectan al balance energéco del sistema Tierra-atmósfera, es decir, a la diferencia entre la radiación absorbida por la Tierra y la energía irradiada de vuelta al espacio (Shindell et al., 2013). Los cambios netos en el balance debidos a cambios en la atmósfera se cuanfican mediante el forzamiento radiavo (cuanficado en unidades de Wm-2), que promediado en el empo da cuenta de los desequilibrios de energía producidos por esa perturbación o cambio. Cuando se incluyen los efectos indirectos en el balance radiavo se denomina forzamiento radiavo efecvo. Dado que las interacciones de los aerosoles en la atmósfera afectan al equilibrio térmico de la Tierra, lo que ene un impacto en el clima, es importante considerar los aerosoles como una variable en los estudios de cambio climáco. Además, el forzamiento radiavo de los aerosoles es actualmente el que presenta mayor incerdumbre, como ilustra la Figura 1.1, y existe interés en comprobar si el forzamiento negavo que presentan en algunos casos compensa al forzamiento posivo de los gases de efecto invernadero. Los aerosoles también pueden ulizarse como marcadores en el estudio del movimiento de la atmósfera, contribuyendo a mejorar la modelización climáca. Debido a que las concentraciones de aerosoles varían más lentamente que las de otros componentes atmosféricos, han sido ulizados para estudiar la dinámica en las regiones polares, el transporte estratosférico de bajas a altas latudes o los intercambios de aire entre la troposfera y la estratosfera (NASA, 2017). Además de por todo lo anterior, es necesario estudiar y monitorizar los aerosoles atmosféricos por las consecuencias que enen sobre la calidad del aire y la salud humana. Bien sea directamente en eventos en los que las parculas llegan a la superficie terrestre y pueden ser
4 inhaladas por el sistema respiratorio, (Obregón, 2012); o indirectamente, ya que algunos aerosoles pueden parcipan en las reacciones de formación de la lluvia ácida o en las de formación y destrucción del ozono troposférico y estratosférico. Figura 1.1: Resultados expuestos en el informe del primer grupo de trabajo del informe AR6 del IPCC (Grupo Intergubernamental de Expertos sobre el Cambio Climáco). (Szopa et al., 2019). 1.2. Propiedades de los aerosoles Como se ha mencionado, cuando la radiación atraviesa la atmósfera interacciona con sus componentes siendo dispersada o absorbida y reemida. Analizando la señal que llega a los detectores de un instrumento de medida es posible estudiar estos procesos y las caracteríscas sicas, químicas y ópcas de los componentes que los condicionan. El fenómeno sico de dispersión ene lugar cuando el medio presenta inhomogeneidades espaciales en su constante dieléctrica y debido a esto la radiación incidente se desvía de su dirección. En la atmósfera se produce al interactuar con gases a través del fenómeno conocido como dispersión, o scaering, de Rayleigh (Bodhaine et al., 1999). El scaering de Rayleigh es el causante del color azul del cielo despejado ya que es proporcional al inverso de la cuarta potencia de la longitud de onda. En el caso de aerosoles y nubes, al ser de mayor tamaño que los gases, la dispersión de la luz está dominada por el scaering de Mie, no tan dependiente de la longitud de onda. EL scaering de Mie se produce cuando la longitud de onda de la radiación es del mismo orden de magnitud que el tamaño de las parculas con las que interactúa. Los causantes de este po de fenómeno suelen ser los aerosoles atmosféricos, y afecta a radiaciones de longitud de onda más larga que la correspondiente a la dispersión Rayleigh. Suele ser el fenómeno dominante en las capas más bajas de la atmósfera, donde hay grandes candades de parculas de tamaño considerable (Prats, 2009). Esta dispersión no es selecva y ocurre cuando el tamaño de las parculas que la provocan es mucho más grande que la longitud de onda de la radiación que la sufre. Los causantes de este po de dispersión suelen ser aerosoles, grandes parculas de polvo y pequeñas gotas de agua suspendidas en la atmósfera. Se denomina no selecva porque todas
5 las longitudes de onda se dispersan más o menos en la misma proporción. Este fenómeno es el causante de que las nubes y la niebla se aprecien de color blanco. Otro mecanismo de interacción de los componentes atmosféricos con la radiación es la absorción. De este proceso da cuenta la parte imaginaria del índice de refracción. La absorción por moléculas de gases como dióxido de carbono, ozono, vapor de agua, etc., es selecva, presentando bandas y líneas espectrales de absorción, que varían según el gas. En el caso de la absorción de radiación por parte de los aerosoles, ésta tampoco es selecva, ya que varía suavemente con la longitud de onda en lugar de presentar bandas localizadas, al menos en el espectro solar (Dubovik et al., 2002a). Los sensores que normalmente se ulizan para la observación de la erra y el mar a través de satélites se diseñan para operar fuera de las bandas del espectro electromagnéco en las que los efectos de absorción de gases son más notorios. A estas regiones se las denomina ventanas atmosféricas y se pueden idenficar como las zonas en las que la transmitancia atmosférica es cercana a la unidad; es decir, cuando la irradiancia que llega a nivel de superficie es similar a la irradiancia que llega a la parte más alta de la atmósfera (irradiancia extraterrestre) y no desciende bruscamente (bandas de absorción). A parr de medidas de radiación (irradiancia del sol, radiancia del cielo, etc.), es posible analizar las propiedades ópcas de la atmósfera y los aerosoles, así como el cálculo de los parámetros que se exponen a connuación. 1.2.1. Espesor ópco de aerosoles La densidad de flujo radiante se define como la energía radiante recibida por unidad de empo y superficie. Desde el punto de vista de la teoría electromagnéca se interpreta como el flujo del vector de Poynng a través de una superficie elemental (Sobrino, 2001). Una magnitud más habitual es la irradiancia, que es el flujo radiante procedente de una superficie elemental por unidad de superficie, normal a la dirección de propagación. La irradiancia es la magnitud que suelen medir los sensores fotométricos. En el caso de la atmósfera, la atenuación de la irradiancia solar o lunar que llega a la superficie viene controlada por la ley de Beer-Bouguer-Lambert. 𝐼 ( 𝜆 ) = 𝐼 ( 𝜆 ) 𝑒 ( ) ( 1 . 1) Donde I es la irradiancia directa que llega a la superficie; I0 es la irradiancia de la fuente (normalmente solar o lunar) que llega a lo más alto de la atmósfera (irradiancia extraterrestre), τ es el espesor ópco total de la columna atmosférica sobre la vercal; y m es la masa ópca, que se define como la razón entre el espesor ópco en la vercal y el espesor ópco en la dirección en la que se está observando la irradiancia. I, I0, y τ varían con la longitud de onda λ. Para determinar el espesor ópco de la atmósfera, lo más común es medir la irradiancia directa de la fuente (medida de exnción). Suponiendo que la atmósfera se comporta como una capa plana y paralela, la masa ópca se podría calcular de forma sencilla como la secante del ángulo solar cenital (θ; SZA del inglés Solar Zenith Angle). Sin embargo, debido a la curvatura de la Tierra, la refracción en el aire, el scaering múlple y otros factores, esta aproximación solo es precisa para ángulos cenitales solares menores a 60° (Toledano, 2005). Para corregir esto, se ulizan fórmulas empíricas más precisas como la de Kasten & Young (1989) dada en la ecuación (1.2): 𝑚 = 1 𝑐𝑜𝑠 𝜃 + 0 . 50572 ( 1 , 46468 − 𝜃 ) . (1.2)
6 Despejando de la ley de Beer-Bouguer-Lambert, ecuación (1.1), podemos obtener el espesor ópco total de la atmósfera a través de la ecuación (1.3) midiendo la irradiancia directa en superficie si conocemos la irradiancia extraterrestre: 𝜏 ( 𝜆 ) = 1 𝑚 𝑙𝑛 𝐼 ( 𝜆 ) 𝐼 ( 𝜆 ) ( 1. 3) Considerando que las medidas se realicen en cielos sin nubosidad, el espesor ópco total de la atmósfera será la suma de los espesores ópcos de los gases mediante scaering de Rayleigh (τR), de las absorciones por parte de diferentes gases atmosféricos (τg) y de los aerosoles (τa). Por tanto, se puede expresar el espesor ópco de aerosoles como: τ a ( 𝜆 ) = τ ( 𝜆 ) - τ R ( 𝜆 ) - τ g ( 𝜆 ) ( 1. 4) El espesor ópco de aerosoles (AOD del inglés Aerosol Opcal Depth) es uno de los parámetros fundamentales en el estudio de las propiedades de los aerosoles. Se trata de un indicador del contenido de aerosoles en toda la columna atmosférica. A parr de los valores de AOD y haciendo uso de la teoría de Mie, se puede ulizar toda una metodología de algoritmos de inversión para obtener diferentes propiedades de los aerosoles más complejas como la distribución de tamaños de los aerosoles (Toledano, 2005; Torres et al., 2017). 1.2.2. Exponente de Ångström La dependencia espectral del espesor ópco de aerosoles viene dada en el espectro solar de forma empírica por la ley de Ånsgtröm (Ångström, 1961) expresada por la ecuación (1.5): τ a ( 𝜆 ) = 𝛽 𝜆 ( 1. 5) donde λ es la longitud de onda (en μm), α el exponente de Ångström (AE del inglés Angström Exponent), directamente relacionado con la variación espectral del espesor ópco, y β el parámetro de turbiedad que coincide con el espesor ópco de aerosoles a 1 μm. Los valores más bajos de α indican una menor dependencia del AOD con la longitud de onda, y están asociados a parculas grandes. Por otro lado, los valores más altos de α se dan para parculas pequeñas, que muestran una mayor dependencia espectral en el AOD. Para aerosoles es habitual tener un rango de valores entre 0 y 2.5 en el espectro solar, rango en el que se asume como válida la ley de Ånsgtröm. Para calcular el exponente de Ångström, generalmente se ulizan los datos medidos de AOD en diferentes longitudes de onda, se toman logaritmos en la expresión de la ley de Ångström (ecuación 1.5) y se realiza un ajuste lineal de mínimos cuadrados a parr de un conjunto de observaciones espectrales que permite determinar los parámetros α y 𝛽. El resultado será representavo de un rango espectral y lo denotaremos con las longitudes inicial y final de ese rango. 1.2.3. Distribución de tamaños Una forma de caracterizar sicamente al aerosol atmosférico es a parr de su distribución volúmica de tamaños, que proporciona la concentración en volumen de parculas existente para disntos tamaños. También puede expresarse en función de la densidad de masa o del número de parculas por unidad de volumen. Para caracterizar el tamaño del aerosol, se consideran parculas con un radio (o radio de la esfera equivalente si las parculas son no esféricas) comprendido en el intervalo (r, r+dr); el volumen de parculas en este intervalo será dV(r) (Dubovik & King, 2000). En la prácca, como se comenta en el apartado 1.1, se suele disnguir entre el modo fino y grueso, en función del tamaño de las parculas. La distribución se suele aproximar a una función lognormal bimodal, es decir, cada modo sigue una distribución normal
7 respecto al logaritmo del radio (Schuster et al., 2006). La expresión matemáca de esta distribución se muestra en la ecuación (1.6): 𝑑𝑉 𝑑 ln 𝑟 = 𝑉 𝐶 √ 2 𝜋 𝜎 exp − ( ln 𝑟 − 𝑙𝑛 𝑅 ) 2 𝜎 + 𝑉 𝐶 √ 2 𝜋 𝜎 exp − ( ln 𝑟 − 𝑙𝑛 𝑅 ) 2 𝜎 ( 1. 6) Donde VC es la concentración total en volumen; R el radio modal de la distribución; σ la desviación estándar de cada distribución log-normal; y los subíndices F y C hace referencia al modo fino y grueso, respecvamente. También es úl calcular el radio efecvo, que es el cociente entre el valor esperado del radio para cada distribución, entre el valor esperado de la superficie de la parcula. 1.2.4. Esfericidad La esfericidad es un parámetro que, asumiendo que las parculas enen forma de elipsoide, cuanfica la excentricidad de la forma de las parculas. Esta propiedad puede tomar un rango de valores entre cero (parculas totalmente irregulares) y uno (parculas totalmente esféricas). En la prácca las formas de las parculas son muy irregulares y diversas aún para el mismo po de aerosol. 1.2.5. Albedo de dispersión simple Conocido por sus siglas en inglés SSA (Single Scaering Albedo), el albedo de dispersión simple da cuenta de la fracción de luz dispersada respecto al total de luz exnguida al atravesar la atmósfera; por tanto, varía con la longitud de onda. El valor máximo que puede tomar es 1 e indicaría que toda la luz exnguida ha sido dispersada y el aerosol no es nada absorbente, mientras que un valor de 0 indicaría un aerosol puramente absorbente (Prats, 2009). 1.2.6. Índice de refracción Como se ha mencionado antes, el índice de refracción de los aerosoles presenta una variación suave con la longitud de onda en el espectro solar. La parte real dar cuenta del scaering y la parte imaginaria de la absorción (proporciona información similar al SSA), por tanto, su valor está relacionado con la composición química de la carga de aerosoles. 1.2.7. Parámetro de asimetría El parámetro de asimetría es la integral de la distribución de energía (función de fase), ponderada por el ángulo de scaering. Este parámetro varía entre -1 y 1 según la dispersión se produzca perfectamente hacia atrás respecto a la dirección de incidencia o hacia delante, respecvamente. Tomará el valor cero en el caso de dispersión isótropa, que correspondería al scaering de Rayleigh. En la prácca, los valores picos para aerosoles oscilan entre 0.6 y 0.8. Los valores más altos del parámetro de asimetría están relacionados con la presencia de parculas más grandes. 1.2.8. Coeficientes de exnción, absorción, scaering, backscaering y razón lidar El coeficiente de exnción da cuenta de en qué proporción la carga de aerosoles exngue la radiación de una cierta longitud de onda que incide en la atmósfera. De la misma forma el coeficiente de absorción da cuenta de la proporción que es absorbida. Por úlmo, el coeficiente de scaering determina la proporción que es dispersada en todas las direcciones y el coeficiente de backscaering, la parte que es dispersada única y exclusivamente en la misma dirección de incidencia, pero en sendo contrario (-180°). Estas magnitudes pueden expresarse en función de la altura.
8 A la proporción entre el coeficiente de exnción y el de backscaering se le denomina razón lidar (o en inglés lidar rao). Representa la relación entre las secciones eficaces por unidad de volumen de la exnción y la retrodispersión. Tiene unidades de estereorradián (sr) y normalmente varía entre los 5 y 100 sr (Schröter et al., 2006). 1.3. Medida de los aerosoles Para la medida de los aerosoles atmosféricos se suelen emplear técnicas in-situ o de teledetección. Las primeras, consisten en la recogida mediante filtros de muestras de aire a nivel de superficie, o mediante instrumentación específica a bordo de aviones, que se analizan directamente o más tarde en un laboratorio. Se suelen ulizar para estudios de calidad del aire y presentan el inconveniente de tener una baja resolución espacial (González, 2021). Las técnicas de teledetección analizan la interacción del sistema atmosférico con la radiación, ya sea proveniente de una fuente natural, como el sol, la luna o la radiación térmica terrestre (teledetección pasiva) o arficial (teledetección acva). Esto permite obtener información sobre disntos componentes de la atmósfera, y a parr de sus propiedades ópcas se pueden inferir otras caracteríscas de naturaleza sica y química. Instrumentos como los fotómetros, las cámaras de todo cielo o los radiómetros son técnicas pasivas, registran la radiación solar/lunar que les llega después de atravesar toda la atmósfera y proporcionan valores integrados a toda la columna atmosférica (Toledano, 2005). Trabajan generalmente en el rango espectral entre el visible y el infrarrojo cercano. En los métodos acvos la radiación con la que interactúan los aerosoles es producida arficialmente y con caracteríscas conocidas. Se emite una señal electromagnéca de caracteríscas conocidas y se recoge y analiza tras haber interactuado con el medio. Entre estos instrumentos se encuentran el Radar (Radio Detecon And Ranging), que trabaja en el rango de las microondas, y el Lidar (Light Detecon And Ranging), o el ceilómetro, que trabajan en el rango solar. En el caso de los lídares y los ceilómetros, estos emiten un pulso electromagnéco a la atmósfera y se recoge la señal retrodispersada por las parculas y moléculas presentes en la atmósfera; midiendo el desfase con la señal emida es posible obtener datos con resolución vercal, además de en columna tras integrar los valores a todas las capas atmosféricas. Ambos métodos se pueden implementar tanto en instrumentación en superficie como en satélites. Aunque las medidas en superficie enen una resolución espacial más limitada que las medidas satelitales, su resolución temporal suele ser mayor y son generalmente más precisas. Por esta razón, es crucial tomar medidas desde diferentes puntos de la Tierra para poder validar y calibrar los productos proporcionados por los satélites. Por tanto, ambas medidas son esenciales y se complementan mutuamente (González, 2021). A su vez, para obtener disntas propiedades de los aerosoles es necesario encontrar sinergias entre disntos instrumentos, que permitan obtener las propiedades ópcas de interés y con una resolución ópma. Esto, junto con la necesidad de llevar un control sobre el proceso de medida, calibración y procesado de datos en las disntas zonas del planeta ha llevado a la creación de diversas redes de monitorización, que ulizan instrumentación estandarizada. Este es el caso de redes de medida de fotómetros como AERONET (AErosol ROboc NETwork; Holben et al., 1998), de ceilómetros como ICENET (Iberian Ceilometer Network; Cazorla, et al., 2017) o de ambas como CAECENET. Los datos analizados en este trabajo han sido obtenidos de CAECENET, en el Capítulo 2 se especificará el funcionamiento de esta red y la instrumentación ulizada. De las propiedades de los aerosoles expuestas, el AOD y el AE se calculan directamente a parr de las medidas de irradiancia y/o radiancia. Por el contrario, el resto de las propiedades han de ser calculados mediante inversión. Se conoce como problema inverso al cálculo de las
15 2.2.1. ICENET La red ICENET (del inglés Iberian Ceilometer Network), surge como colaboración entre disntas estaciones de medida en la Península Ibérica (ver Figura 2.4), con la intención de caracterizar vercalmente el aerosol atmosférico y obtener propiedades ópcas en empo casi real. El primer objevo fue la obtención del coeficiente de retrodispersión atenuado de todos los ceilómetros de la red, esto es, obtener una salida calibrada de los ceilómetros y, como segundo objevo la aplicación de algoritmos de inversión a los perfiles para obtener el coeficiente de retrodispersión de parculas (Cazorla et al., 2017). Figura 2.4: Estaciones de medida de la red ICENET y ceilómetro CHM15k-Nimbus (Román et al., 2021). Todas las estaciones de esta red poseen un ceilómetro modelo CHM15k-Nimbus del fabricante Lu (Figura 2.4) y además existe un fotómetro CIMEL CE318 cerca, el cual se uliza para calibrar los ceilómetros de la red y para los cálculos de inversión. Todos estos fotómetros pertenecen a la red AERONET, por lo que son calibrados runariamente y proporcionan valores confiables de AOD a disntas longitudes de onda, con los que se puede extrapolar los valores para la longitud de onda del láser del ceilómetro. Además, en la estación de la Universidad de Granada se encuentra un lidar Raman mulespectral, cuyas medidas también son ulizadas para validar las inversiones de los datos de los ceilómetros. 2.2.2. CHM15k-Nimbus El ceilómetro estándar de la red ICENET es el modelo CHM15k-Nimbus (Figura 2.4), fabricado por la empresa Lu. Ulizando la técnica Lidar explicada, emite pulsos cortos de luz a la atmósfera y recoge la intensidad retro dispersada para cada instante desde que se emió el pulso, lo que permite calcular la altura de las capas de aerosoles o nubes. Tiene una resolución espacial de 15 m en su rango de medida, que abarca desde los 15 m a los 15 km de altura máxima. La resolución temporal es variable, entre los 2 y 600 s de empo de integración. La red ICENET establece un periodo de 15 s para el registro de datos del ceilómetro. La fuente de luz es un láser Nd-YAG de estado sólido, cuya longitud de onda central es 1064 nm, con una dispersión en longitud de onda de 0.1 nm, energía del pulso de 7 µJ, duración del pulso entre 1 ns y frecuencia de repeción del pulso entre 5 y 7 kHz. El diámetro del haz es de 90 mm, con una divergencia menor a 0.5 mrad. El sistema receptor está basado en el conteo de fotones mediante un fotodiodo de avalancha y ene un campo de visión de 0.45 mrad. Este receptor
16 posee un filtro ópco con un ancho de 1 nm, que permite eliminar de forma eficiente la luz de fondo y promediar los datos durante unos minutos (Lu, 2019). Para un correcto funcionamiento del equipo, la temperatura debe encontrarse en el rango entre los -40 °C y los 50 °C. Para asegurar estas condiciones operavas, el instrumento cuenta con una cubierta exterior que lo protege de la radiación solar, viento, lluvia y nieve, sensores de temperatura exterior e interior y sistemas de calefacción y venlación. Esta protección superior cuenta con dos salidas, una para el haz emido y otra abertura para el detector, consistentes en dos cristales colocados en ángulo de Brewster para cada haz, de forma que se minimizan las pérdidas tanto a la salida como a la entrada. La inclinación de los cristales facilita el autolimpiado mediante un sistema de venladores, que eliminan la suciedad acumulada a la vez que sirven como sistema de refrigeración del aparato. Aun así, es necesario un mínimo mantenimiento manual del aparto, que asegure su correcto funcionamiento. El propio instrumento ene implementado un soware que calcula directamente la señal corregida de rango a 1064 nm (ecuación 2.3). Además, también proporciona otros productos úles para el cloud-screening como la altura de base de las nubes y la cubierta nubosa (Martucci et al., 2010; Román et al., 2017). 2.3. Modelos de inversión: GRASP Como se comentó en el Capítulo 1, conocidas las propiedades de los aerosoles en la atmósfera, se pueden determinar algunos parámetros medibles como el espesor ópco de aerosoles o la radiancia de cielo en cualquier dirección. Esto es lo que se conoce como problema directo, la radiancia y el AOD se calculan a parr de las ecuaciones de transferencia radiava, conocidas las caracteríscas de la capa de aerosoles. Por otro lado, el problema inverso consiste en obtener las propiedades de los aerosoles a través de medidas atmosféricas conocidas como la radiancia de cielo, es decir, obtener la causa conociendo el efecto, que puede medirse mediante fotómetros y ceilómetros como se ha explicado. La red AERONET dispone su propio y complejo algoritmo de inversión a parr de las medidas únicamente de fotómetro, que permite obtener la distribución de tamaños, el SSA, el parámetro de asimetría, el índice de refracción o la esfericidad (Sinyuk et al., 2020). GRASP es otro algoritmo de inversión de medidas para el cálculo de propiedades ópcas y microsicas de los aerosoles, así como de propiedades ópcas de la superficie terrestre (Dubovik et al., 2014; 2021). También dispone de un módulo forward, que conene las ecuaciones de transferencia radiava y se encarga de calcular las observaciones (AOD, radiancias del cielo, señal lidar RCS, etc.) que se medirían en un escenario a parr de los parámetros caracteríscos del aerosol y las condiciones del escenario (propiedades microsicas, SZA, albedo de superficie, etc.) dados por el usuario para cualquier longitud de onda. Para plantear el problema inverso se puede parr de la siguiente ecuación: f* = f ( a ) + Δ f* (2. 4 ) Donde f* es un vector cuyos elementos representas las observaciones medidas (AOD, radiancias de cielo, etc.); a es un vector que conene las propiedades de los aerosoles (distribución de tamaños, índice de refracción, etc.); f es el operador matemáco que aplicado a las propiedades nos devuelve las observaciones medidas (en este caso las ecuaciones de transferencia radiava) y Δf* es el error experimental de las medidas. Siendo f(a), f* y Δf* matrices de dimensión no necesariamente igual al número de observaciones, K.
17 El algoritmo GRASP para resolver este sistema aplica el método de mínimos cuadrados mul- término (MLSM del inglés Mul-Term Least Square Method), basado en el método de máxima verosimilitud y ulizando el método iteravo de Levenberg-Marquardt. Este es una generalización del método de descenso del gradiente, con la que se consigue opmizar el cálculo. Además, GRASP incluyen las ligaduras del problema como observaciones independientes. Una descripción más detallada de este método se encuentra en Dubovik et al. (2021) y Antuña- Sánchez (2022). Para ejecutar GRASP es necesario un fichero llamado SDATA (del inglés Sensor Data), en el que se introducen las posiciones relavas del sol en el escenario de la medida, las longitudes de onda de las observaciones, los ángulos (acimutal y cenital) de las radiancias de cielo, las alturas de la señal lidar, los valores de las medidas como el AOD, etc. Por otro lado, se requiere un fichero de configuración llamado SETTINGS, en el que se indica si se va a ulizar el módulo de inversión o solo el de transferencia radiava, la ruta de los ficheros, los parámetros referentes a las ecuaciones de transferencia radiava (po de atmósfera, número de capas, etc.), las propiedades a inverr, sus valores iniciales, los subconjuntos de medidas empleados junto con sus errores, los mulplicadores de Lagrange de las ligaduras y el número máximo de iteraciones. Una vez definida la estrategia de inversión y el escenario de las observaciones mediante estos dos ficheros, el algoritmo GRASP sigue el esquema de la Figura 2.3. El primer paso consiste en ulizar el módulo de transferencia radiava para obtener las observaciones que se obtendrían de las propiedades de los aerosoles iniciales impuestas (f(a0)). Sobre estas simulaciones radiavas se aplica el MLSM para calcular las propiedades de los aerosoles que mejor reproduzcan las medidas introducidas en el SDATA. De nuevo, este vector se introduce en el módulo forward para obtener unas nuevas observaciones simuladas (f(a1)), con las que se aplicará de nuevo el algoritmo de inversión para calcular una nueva solución que reproduzca mejor las observaciones medidas. Esto se repite hasta que el residuo entre dos iteraciones no mejore más que un valor preestablecido, o hasta alcanzar el número máximo de iteraciones indicado. En ambos casos GRASP devolverá un vector ap, siendo p la úlma iteración, con las propiedades inverdas, el residuo correspondiente y las observaciones que reproducen las propiedades obtenidas. Figura 2.5: Estructura de GRASP (Antuña-Sánchez, 2022). La gran ulidad de este algoritmo reside en su versalidad que permite combinar medidas de disntos instrumentos para así obtener una mayor información en la inversión de las propiedades de los aerosoles. A diferencia del algoritmo de AERONET, que solo invierte medidas
18 de AOD y radiancia del cielo, GRASP puede ulizarse con diferentes sinergias de instrumentos, permiendo la combinación de disntas medidas y métodos. 2.4. CAECENET De la colaboración de los sistemas CÆLIS e ICENET, surge CAECENET (nombre compuesto por las palabras CÆLIS e ICENET; Román et al., 2021), un sistema que implementa GRASP en empo cuasi real combinando las medidas de fotómetro (de CÆLIS) y ceilómetro (de ICENET). Con esta herramienta es posible obtener las propiedades ópcas y microsicas de los aerosoles tanto en columna como en diferentes alturas, a parr de instrumentos que pertenecen a dos redes de medida y que por tanto presentan medidas confiables y protocolos de calibración conocidos (Bazo et al., 2023). En parcular, el método de inversión ulizado es GRASPpac (subíndice correspondiente del inglés photometer and ceilometer), que permite obtener perfiles vercales de las propiedades de aerosoles (Román et al., 2018) combiando las medidas de fotómetro (AOD y radiancias del cielo) y ceilómetro (RCS). Para ello, se ulizan como input del algoritmo las medidas de AOD y radiancia de cielo (en geometría almucantar e híbrido) en las longitudes de onda de 440, 675, 870 y 1020 nm mediante un fotómetro de AERONET gesonado por el GOA-UVa; y el perfil vercal de medidas del ceilómetro RCS (del inglés Range Corrected lidar Signal), promediado a 60 puntos log-espaciados, en una ventana temporal de ±15 min alrededor de la medida de almucantar del fotómetro (Herreras et al., 2018). Estas medidas han pasado previamente por un proceso de filtrado de datos, para eliminar la contaminación de las medidas por presencia de nubes. En el caso de los ceilómetros, se eliminan los perfiles RCS en los que el propio instrumento determina un valor para la altura de nube y se establece que para calcular el promedio en la ventana temporal de ±15 min debe haber al menos cinco perfiles sin nubes disponibles (Román et al., 2018). Por otro lado, a los datos de fotómetro se les aplica el protocolo de CÆLIS, descrito por González et al. (2020), similar al nivel 1.5 de AERONET (Giles et al., 2019). El primer paso consiste en determinar si la medida de triplete del fotómetro es válida para calcular el AOD, para lo cual la señal debe ser mayor que un umbral determinado para cada longitud de onda y la variabilidad de las medidas del triplete entre sí debe ser menor del 16%. De las medidas restantes, aquellas con variabilidad del triplete mayor a 0.01 son clasificadas como contaminadas por nubes. Posteriormente se comprueban otros parámetros como la variabilidad temporal de medidas consecuvas (debe ser menor a 0.01 por minuto), los valores del AE, las medidas de la aureola solar (que permiten detectar cirros con mayor precisión), el número total de medidas contaminadas en un día (debe haber al menos 3 medidas sin nubes o un 10% de todas las medidas hechas en el día) y la desviación estándar de las medidas de AOD y AE de un día (debe ser menor que 0.015). En el esquema de inversión de GRASPpac se asume que las propiedades extensivas de los aerosoles son constantes por debajo de la altura mínima y por encima de la altura máxima del ceilómetro. El escenario inicial con el que se empieza la inversión en GRASP es siempre el mismo para todas las inversiones excepto para la distribución de tamaños, que debe ser proporcional al AOD medido a 440 nm (Román et al., 2018). Como los ceilómetros solo miden la retrodispersión a una única longitud de onda, no se puede diferenciar entre modos del aerosol en la vercal. Por esto, en las inversiones de GRASPpac, las propiedades intensivas de los aerosoles como los índices de refracción, el SSA, la razón lidar o el radio efecvo se asumen constantes en toda la vercal, por lo que no es posible obtener perfiles vercales de estos parámetros. También se obenen valores integrados en la columna atmosférica de la esfericidad y de la distribución de tamaños (en 22 divisiones log-espaciadas de radios entre 0.5 y 15 µm). Sí se obenen los perfiles vercales de las propiedades extensivas
19 como la concentración en volumen, la exnción, absorción, dispersión y retrodispersión, para las cinco longitudes de onda disponibles (440, 675, 870, 1020 y 1064 nm Román et al., 2018). Para consultar estos productos, CAECENET dispone de una herramienta gráfica para la previsualización de los datos (CAECENET-viewer, Román et al., 2021), en la que se pueden seleccionar los datos según tres categorías: propiedades microsicas, propiedades ópcas en columna y perfiles vercales. También se pueden descargar todos los datos disponibles en un archivo de texto entre las fechas deseadas. En estos ficheros, cada fila corresponde a una observación, con su correspondiente marca temporal. En las columnas se especifican los siguientes datos: - ph: es el número indicavo que ene cada fotómetro de AERONET. - Source: indica si el escenario de radiancias ulizado en la inversión es almucantar o híbrido. - Residual: Este es el residuo global del algoritmo de inversión. Cuanto más alto, menor convergencia presenta la inversión. En este trabajo se escogen solo las inversiones con residuos menores de 10%. - Iteraons: Número de iteraciones de la inversión. - sd_XXmicrons: Es el valor en columna de la concentración en volumen de la distribución de tamaños [ dv/dln(r) con unidades de µm3/µm2] para el radio XX µm (hay 22 valores XX porque se da la concentración en 22 radios disntos log-espaciados). - VolumeContentraon_X: Concentración volúmica en columna total (X=t), del modo fino (X=f) o del modo grueso (X=c). Unidades de µm3/µm2. - LognormalRadius_X: Radio (en µm) en columna del modo X (fino, grueso o total) asumiendo una distribución lognormal de este modo. - EffecveRadius_X: Radio efecvo en columna del modo X (fino, grueso o total). - LognormalSD_X: Desviación estándar en columna del modo X (fino, grueso o total) asumiendo una distribución lognormal de este modo. Unidades de µm3/µm2. - AOD_X_LLL: AOD del modo X (fino, grueso o total) a la longitud de onda LLL (440 nm, 675 nm, 870 nm o 1020 nm). Es el valor resultante de la inversión, no el medido por los fotómetros y usado como input. - SSA_LLL: Albedo de dispersión simple en columna para la longitud de onda LLL. - RefracveIndexReal_LLL: Parte real del índice de refracción en columna para la longitud de onda LLL. - RefracveIndexImaginary_LLL: Parte imaginaria del índice de refracción en columna para la longitud de onda LLL. - AsymetryParameter_LLL: Parámetro de asimetría en columna para la longitud de onda LLL. - LidarRao_LLL: Razón lidar en columna a la longitud de onda LLLL. Unidades de sr. - alt_H. Altura H sobre el nivel del mar de los perfiles obtenidos en km. Hay 61 H-puntos en total (específicos para cada medida). - avp_H: Perfil vercal de aerosoles a la altura alt_H. Hay 61 H-puntos. Este parámetro es muy importante para el cálculo de los disntos perfiles de otras propiedades, ya que este perfil representa la concentración de aerosol normalizada. Para calcular el perfil de exnción a una longitud de onda, basta con mulplicar cada punto del vector avp por el AOD a esa longitud de onda. SI se quiere la exnción fina o gruesa se usa el AOD fino o grueso. Los resultados se mulplican por 106 y las unidades son Mm-1. El perfil de scaering en Mm-1 a una longitud de onda se obene mulplicando cada punto de la exnción por el SSA a esa longitud de onda. El perfil de absorción en Mm-1 a una longitud de onda se obene como la resta entre el perfil de exnción menos el de scaering.
20 El perfil de backscaering en Mm-1 a una longitud de onda se obene dividiendo cada punto de la exnción por la razón lidar a esa longitud de onda. Finalmente, para calcular el perfil de la concentración en volumen, se mulplica cada valor de avp por VolumeContentraon_X (donde X puede ser la total, la de modo fino o la de grueso según la que queramos sacar). Si se mulplica cada valor obtenido por 106 se tendrá las unidades de cm3/µm3. 2.5. Estaciones de medida La carga y caracteríscas de los aerosoles en la Península Ibérica es muy variable temporal y espacialmente. Por su situación geográfica, está expuesta a eventos de transporte de polvo Sahariano durante todo el año, aunque con mayor incidencia en los meses de verano (Burgos, 2016). Las zonas de costa suelen presentar aerosol marímo y las grandes ciudades aerosoles debidos a la contaminación. En general, en las regiones del interior no muy pobladas, el aerosol predominante es de po connental limpio. En el periodo esval también es frecuente detectar episodios de incendios, provenientes de la Península, o bien de latudes más altas como Canada, que son transportados a gran altura por las corrientes atmosféricas. A connuación, se exponen las principales caracteríscas de las estaciones perteneciente a la red CAECENET de las que se han analizado datos en este trabajo. Valladolid La estación de Valladolid está situada en la terraza de la Facultad de Ciencias de Valladolid, a una altud de 705 m sobre el nivel del mar y es gesonada por el GOA-UVa (41°39'48.96"N, 4°42'20.99"O). Por su localización en la Meseta Central, sin grandes formaciones de relieve cercanas, y con un clima no muy lluvioso de po Mediterráneo (Clasificación climáca Csb Köppen-Geiger), permite obtener datos de forma connua casi todo el año. Al tratarse de una ciudad de tamaño medio, con una población de alrededor de 400 000 habitantes incluyendo el área metropolitana, y sin una gran acvidad industrial, predomina el aerosol de po “connental limpio” (Bennouna et al., 2016). Madrid Esta estación se encuentra a 680 m sobre el nivel del mar (40°27'6.84"N, 3°43'26.22"O), el fotómetro pertenece a AEMET (Agencia Española de Meteorología), y el ceilómetro a CIEMAT (Centro de Invesgaciones Energécas, Medioambientales y Tecnológicas). La ciudad de Madrid está situada en el centro de la Península Ibérica, en una cuenca atmosférica, debido a estar rodeada por la sierra de Guadarrama y los Montes de Toledo. Tiene una población de 3.5 millones de personas y sufre frecuentemente episodios de alta contaminación (Fernández et al., 2017). Granada Estación situada en el Centro Andaluz de Medio Ambiente (IISTA), en la parte sur de la ciudad de Granada (37°9'50.4"N, 3°36'18"O), a 680 m sobre el nivel del mar. Esta ciudad de tamaño medio (232 000 habitantes) y no industrializada, se encuentra rodeada por las montañas de Sierra Nevada. Suele presentar inviernos fríos y veranos calurosos y especialmente secos. Debido a su situación a 50 km del Mediterráneo y 200 km de África, esta localización recibe aerosoles principalmente de dos fuentes: Europa, como fuente de aerosol antropogénico y contaminante, y el Norte de África, como fuente de aerosol natural de po desérco, que, debido a su cercanía, llega con más frecuencia que a otras estaciones del norte y centro de la Península Ibérica (Guerrero-Rascado et al., 2009; Valenzuela et al., 2012).
21 3. Resultados 3.1. Validación CAECENET-AERONET Como se ha explicado en el capítulo anterior, los datos disponibles en CAECENET, han sido obtenidos a parr de las inversiones de datos de ceilómetro y fotómetro mediante el algoritmo de inversión GRASPpac. En esencia estos fotómetros pertenecen a la red AERONET, pero los productos usados como input en CAECENET son los calculados mediante los algoritmos de CÆLIS, dada la ventaja que supone su capacidad de procesado en empo casi real. Para comprobar la validez de los productos de CAECENET, en esta sección se comparan los valores de las propiedades en columna que también proporciona la red AERONET, considerada de referencia debido a su largo recorrido en el estudio de estas propiedades. Para ello, se van a analizar todos los datos existentes en la base de datos de CAECENET, que comprenden entre febrero de 2014 y febrero de 2023, y se comparan con los correspondientes al mismo periodo en AERONET. Se han considerado aquellos valores de CAECENET tomados con una diferencia menor a 30 s respecto a los de AERONET. Esta comparación se va a realizar exclusivamente con los datos obtenidos en la estación de Valladolid, la cual se considera de referencia al ser centro de calibración de AERONET. Se ha obtenido un total de 18670 inversiones coincidentes entre CAECENET y AERONET en este periodo y localidad. Figura 3.1 Comparación de los valores del radio modal, para ambos modos, fino y grueso. Se muestra la recta 1:1 y la recta y ecuación de ajuste lineal, junto con el coeficiente de correlación (R2). En la parte inferior, histograma de las diferencias de los datos de CAECENET y AERONET, con los valores de la media (M), mediana (Md), desviación estándar (sd) y número de datos (N). En la Figura 3.1 aparecen los valores del radio modal, que es el radio central para los modos fino y grueso de la distribución bilognormal considerada en las inversiones (ecuación 1.6). Se representan los datos de CAECENET frente a los de AERONET y los histogramas de las diferencias entre los dos conjuntos de datos. Los valores están dentro del rango esperado, las parculas con radios entre 0.1 y 1 µm pertenecen al modo de acumulación dentro del modo fino, las parculas
22 de radios mayores a 1 µm son las clasificadas como modo grueso. Se observa que para el modo grueso la correlación, dada por el coeficiente de determinación R2, es menor que para el modo fino y, por tanto, las diferencias son mayores. Parece que los datos de CAECENET sobreesman a los de AERONET, ya que el histograma está desplazado hacia valores posivos. Se puede observar que los valores de la media y mediana de las diferencias del modo grueso (M=0.52 µm y Md=0.34 µm) son mayores que los del modo fino (M=0.001 µm y Md=0.002 µm). En la Figura 3.2 se representa la misma comparava para los datos de la desviación estándar de cada modo de la distribución de tamaños (asumiendo log-normal) y los histogramas de las diferencias, tanto para el modo fino y como para el grueso. En este caso los valores del coeficiente de determinación para el modo fino y grueso son más parecidos entre sí (0.59 y 0.61 respecvamente). La recta de ajuste del modo grueso es práccamente paralela a la recta de pendiente unidad, pero desplazada a la izquierda. De nuevo se observa que el histograma de las diferencias para el modo grueso está desplazado hacia valores posivos, la media y la mediana de las diferencias son posivas, lo que indica que los valores de CAECENET para la desviación estándar son mayores que los de AERONET. La desviación estándar de las diferencias es muy similar para ambos modos (0.05 para el modo fino y 0.06 para el modo grueso). Figura 3.2 Comparación de los valores de la desviación estándar del radio (σ) obtenido en las inversiones para los modos fino y grueso e histograma de las diferencias de los datos de CAECENET y AERONET. Mismos parámetros especificados que en la Figura 3.1. La comparava entre los valores de la concentración en volumen de los modos fino y grueso aparece en la Figura 3.3. En este caso el coeficiente de correlación del ajuste lineal es mayor para el modo grueso, al igual que para el radio modal y la desviación estándar del radio; los valores se ajustan a una recta con pendiente cercana a la unidad. Para el modo fino hay mayor dispersión de los datos. Se observan valores puntuales muy altos, posiblemente debidos a algún episodio de transporte concreto que hacen que en el gráfico de dispersión los valores parezcan mucho
23 más concentrados. Este hecho queda reflejado en los valores de la desviación estándar de las diferencias del modo grueso, que son mayores que los del modo fino pese a tener mejor factor de correlación. De nuevo, el histograma de las diferencias para el modo fino está centrado en el cero, pero para el modo grueso aparece desplazado hacia valores posivos. Figura 3.3 Comparación de los valores de la concentración en volumen de los modos fino y grueso, e histograma de las diferencias de los datos de CAECENET y AERONET. Mismos parámetros especificados que en la Figura 3.1. En la Figura 3.4 se comparan los valores del radio efecvo para el modo fino y grueso, que da información del radio real de las parculas, respecto al considerado en los modelos, en los que se las presupone esféricas. Los resultados obtenidos son muy similares a los del radio modal (Figura 3.1). Se obene un coeficiente de determinación práccamente igual para el modo fino que para el modo grueso. También el histograma de las diferencias del modo grueso está desplazado hacia valores posivos. La media, mediana y desviación estándar de las diferencias de modo fino son práccamente iguales a las correspondientes para el radio modal, sin embargo, para el modo grueso son mayores. Parece que, en general, los valores para el modo grueso calculados con el algoritmo GRASPpac sobreesman a los dados por AERONET, tal y como mostraron en trabajos previos Benavent- Oltra et al. (2017); Román et al. (2018) y Titos et al. (2019).
24 Figura 3.4 Comparación de los valores del radio efecvo para los modos fino y grueso e histograma de las diferencias de los datos de CAECENET y AERONET. Mismos parámetros especificados que en la Figura 3.1. Respecto a la esfericidad, la comparación entre los valores de AERONET y CAECENET está representada en la Figura 3.5. Como cabría esperar, los valores son muy dispersos, ya que, hay mucha variedad de aerosoles y todos ellos enen formas irregulares y disntas. Se esma que las parculas provenientes de transporte de polvo desérco sean las más irregulares y con menor esfericidad, normalmente en torno a cero; mientras que las más pequeñas como las provenientes de un incendio o de la quema de combusble enen mayor esfericidad, cercana al 100%. La concentración de valores en la parte derecha de la gráfica parece indicar que hay datos que AERONET clasifica como perfectamente esféricos pero CAECENET no. Sin embargo, esta variable ene asociada mucha incerdumbre y no es posible extraer conclusiones claras. Figura 3.5 Comparación de los valores de la esfericidad e histograma de las diferencias de los datos de CAECENET y AERONET. Mismos parámetros especificados que en la Figura 3.1.
31 A diferencia de las Figuras 3.10 y 3.11 en las que los perfiles de concentración en volumen y exnción eran práccamente iguales, en las Figuras 3.12 y 3.13 vemos que, para los meses de verano, la línea que representa la mediana y el sombreado del rango intercuarlico son algo disntas. Figura 3.14 Perfil vercal (alturas de 0 a 8 km sobre el nivel del mar) del coeficiente de exnción a 1020 nm en Valladolid durante la serie temporal (febrero 2014-febrero 2023). La mediana de la distribución aparece marcada con una línea negra, los percenles 5 y 95 con una línea disconnua y el rango intercuarlico (RIC) sombreado en azul. Los valores más bajos del coeficiente de exnción se encuentran de noviembre a enero, cuando es más probable que lleguen masas de aire del atlánco. En los meses de verano, cuando son más probables los eventos de transporte de calima, presentan mayor variabilidad (mayor rango intercuarlico) debido a que en estos eventos los aerosoles llegan a una altura concreta en forma de capa, haciendo que el cambio en el coeficiente de exnción sea muy brusco al llegar a esa altura (Titos et al., 2019).
32 3.3. Análisis de un evento de transporte En esta sección se expone el análisis de una situación de transporte de polvo mineral desde el connente africano a la Península Ibérica. El aerosol de po desérco se caracteriza por ser parculas de gran tamaño y muy irregulares, ya que normalmente su proceso de formación es mecánico, a parr de la erosión del viento sobre rocas minerales. Debido a esto su AOD ene poca dependencia espectral, por lo que ene asociado un valor bajo de exponente de Ångström. Las parculas de mayor tamaño también enen un parámetro de asimetría mayor, ya que la distribución de ángulos de scaering está más centrada en la dirección frontal. El albedo de dispersión simple suele ser cercano a 1 ya que es un po de aerosol poco absorbente, aunque con valores más bajos en las longitudes de onda más cortas debido a la absorción en este rango asociada al polvo mineral (Dubovik et al., 2002b; Valenzuela et al., 2015). Para idenficar un evento de transporte de aerosol desérco se ha seguido la metodología propuesta por Mateos et al. (2020), que permite clasificar de forma automáca los eventos de alta turbiedad causados por parculas gruesas, finas o mezcla mediante la comparación del promedio diario del espesor ópco de aerosoles (AOD) con el percenl 85 de la serie de datos de AOD para el modo fino y grueso, disponibles en AERONET. Tras aplicar esta metodología se ha seleccionado un evento que se detectó a principios de octubre de 2022. La disposición geográfica de las disntas estaciones de la red CAECENET, permite observar en qué momento y a qué altura llega la carga de aerosoles a cada región, combinando esta información con los datos de AOD es posible analizar un evento de transporte de aerosoles en empo cuasi real en la Península (Cazorla et al., 2017). En la Figura 3.15 se muestra la serie temporal que proporciona el nivel 1.5 de AERONET2 de medidas del AOD a 440 y 1020 nm y el AE calculado entre las longitudes de onda de 440 y 870 nm. Es posible observar que los días 1 y 2 de octubre de 2022 hubo una baja carga de aerosol (AOD por debajo de 0.1) en todas las estaciones. Durante el día 3 de octubre se produjo un aumento brusco de la carga de aerosol, que se refleja en los valores de AOD, con un valor máximo en el canal de 440 nm de 1.55 en Granada en torno a las 13:00 UTC. En Valladolid y Madrid los valores fueron más bajos, pero estando por encima de los valores picos en estas estaciones. Los valores máximos para ese día en el canal de 440 nm fueron 0.54 sobre las 16:30 UTC en Valladolid y 0.44 sobre las 10:00 UTC en Madrid. Los valores para el canal de 1020 nm (Figura 3.15 (B)) son muy similares a los del canal de 440, los máximos en el canal de 1020 son 1.44, 0.49 y 0.41 en Granada, Valladolid y Madrid, respecvamente. No se observa una clara dependencia espectral, lo que indica que los aerosoles previsiblemente fueron de tamaños grandes, como corresponde al po desérco. El día 4 de octubre disminuyó el AOD en Granada respecto al día anterior, pero manteniéndose en valores altos en las tres estaciones, en torno a 0.5 en los canales de 440 y 1020 nm, indicando la presencia importante de aerosol. Estos valores se mantuvieron constantes durante dos días, y es a parr de 6 de octubre cuando los valores disminuyeron, indicando que la masa de aerosol se iba eliminando de la atmósfera en esas ciudades. Respecto al exponente de Ångström (Figura 3.15 (C)), este parámetro presentó valores altos los días con baja carga de aerosol. Por otro lado, los días en los que el AOD aumenta en cada estación se observan valores muy pequeños de AE, por debajo de 0.1, que corresponden a aerosol grueso, encajando con el de po desérco. 2 Este nivel de procesado de los productos asegura que los datos han pasado un proceso conocido de filtrado de nubes (Giles et al., 2019).
33 Figura 3.15 Valores de AOD a 440 nm (A), 1020 nm (B) y AE (C), proporcionados por AERONET (nivel 2.0), para las estaciones de estudio entre el 1 y el 7 de octubre de 2022. En la Figura 3.16 se muestra la distribución de tamaños (panel A) y el SSA (panel B) para el día con valor más alto de AOD, el 3 de octubre. Se observa que corresponde a los valores esperados para aerosol de po desérco (Dubovik et al., 2002), los valores del SSA fueron muy cercanos a 1, sin apenas variación espectral salvo para longitudes de onda entre 400 y 500 nm. Se observa un máximo en la distribución de tamaños (de 0.8 µm3/µm2 en Granada y en torno a 0.4 µm3/µm2 y 0.2 cm3/µm3 en Valladolid y Madrid respecvamente), para un radio en torno a 2.25 µm, que corresponde al modo grueso. Figura 3.16 Distribución de tamaños de los aerosoles (A) y SSA (B) según la inversión de CAECENET, para las horas (UTC) marcadas en la leyenda en cada estación. Mediante los datos de CAECENET, con el procedimiento explicado en el capítulo 3.2, se puede calcular el perfil en altura de la concentración en volumen para cada observación. Para analizar la evolución vista en la Figura 3.15, se obenen los perfiles en cada estación para los días 3, 4 y
34 5 de octubre. En la Figura 3.17 se muestran los perfiles para las horas con máximo AOD en cada día, que corresponden a la máxima concentración en volumen. Se observa que el 3 de octubre hubo una capa de aerosoles entre 1 y 5 km, mayormente concentrada entorno a los 3 km sobre el nivel del mar. La concentración en Granada fue el doble que en Madrid y Valladolid y algo mayor en Valladolid que en Madrid, igual que reflejaban los valores de AOD. Este valor más bajo en Madrid puede deberse a que el dato se registró alrededor de 3 horas antes que en Valladolid, pero no es posible corroborar que más tarde las concentraciones se igualasen debido a que no existen datos en horas posteriores en Madrid para ese día. El día 4 de octubre la concentración disminuyó en las tres estaciones, quedando por debajo de 150 µm3/cm3. Entre 3 y 4 km de altura se observa una capa en las tres estaciones, pero en torno a los 2 km parece que en Valladolid y Madrid existe otra capa desacoplada. Esto puede deberse a que los aerosoles que llegaron el 3 de octubre fueron disminuyendo en altura a lo largo del día. El 5 de octubre se observa que la capa disminuyó en altura y concentración en las tres estaciones, manteniéndose la capa más alta en torno a 3 km, pero más mezclada con el resto. Figura 3.17 Perfil vercal (alturas de 0 a 8 km sobre el nivel del mar) de la concentración en volumen en las estaciones de estudio. En el panel A se representan los valores para el día 3, en B para el 4, y en C para el 5 de octubre de 2022, para las horas (UTC) marcadas en la leyenda en cada estación. En la Figura 3.18 Se muestran los perfiles vercales de los coeficientes de exnción (A), scaering (B), absorción (C) y backscaering (D) para el día 3 de octubre, donde se ha observado la mayor carga de aerosoles. Las alturas a las que ocurren los valores más altos de los coeficientes coinciden, y son la misma a la que se encontraba la mayor concentración en volumen, como cabe esperar. Dado que la carga de aerosol analizada es de po desérco, los valores de absorción y son muy bajos, ya que predomina el scaering.
35 Figura 3.18 Perfil vercal (alturas de 0 a 8 km sobre el nivel del mar) de los coeficientes de scaering (A), exnción (B), absorción (C) y backscaering (D) a 440 nm el día 3 de octubre, a las horas (UTC) correspondientes en cada estación indicadas en la leyenda. Para analizar la procedencia de los aerosoles medidos en este evento se ha ulizado el modelo de cálculo de retrotrayectorias HYSPLIT. Ulizando la base de datos meteorológicos GDAS (del inglés Global Data Assimilaon System), se calculan las retrotrayectorias para 48 horas antes, de las masas de aire que llegaron a las coordenadas de las tres estaciones, a 4000, 3000 y 2000 m de altura, el día 3 de octubre a las 13:00 UTC, los resultados se muestran en la figura 3.19. Se observa que todas las trayectorias vienen de la parte norte del Sahara occidental. La altura de las masas del aire es menor los días 1 y 2 de octubre y aumenta a medida que se acercan a la Península Ibérica. Estos resultados son coherentes con la capa de aerosol medida sobre los 3 km. Con los datos meteorológicos (disponibles en el Anexo II) se observa que el día 30 de sepembre se comienza a formar una borrasca a nivel de superficie en esta zona del Sahara, esto hace que se eleve polvo sahariano en altura. Además, el día 1 de octubre comienza a formarse un sistema de altas presiones sobre los 3 km, este anciclón, es el que hace que el polvo se transporte hacia la Península Ibérica. Este escenario es el denominado NAH-A (en inglés North African High Located at Upper Levels), según la clasificación de Escudero et al. (2005), es el más común en la Península entre mayo y octubre (Cachorro et al., 2016). Figura 3.19 Retro trayectorias de aire calculadas con el modelo HYSPLIT para las estaciones de Valladolid, Madrid y Granada. Se calculan las 48 horas anteriores al 3 de octubre (13:00 UTC) para 3000, 2000 y 1000 m.
36 En la Figura 3.20 se muestran las retrotrayectorias para el 4 de octubre, a 3500 y 2000 m, se observa que, en Valladolid y Madrid, donde se veían dos capas a estas alturas (Figura 3.16 (B)), el origen de las masas de aire es muy similar, sin embargo, en Granada, donde no se observa la capa a 2000m, la trayectoria es algo disnta, lo que explicaría la ausencia de esta capa. Figura 3.20 Retro trayectorias de aire calculadas con el modelo HYSPLIT. Para las estaciones de Granada, Valladolid y Madrid se calculan las 72 horas anteriores al 4 de octubre (12:00 UTC) a 3500 y 2000 m. Los modelos predicvos de transporte de polvo desérco reflejan este evento y concuerdan con los resultados medidos. En el anexo se pueden encontrar los mapas del espesor ópco de aerosoles y la concentración de polvo en superficie consultados en el modelo NRL/Monterey.
37 4. Conclusiones En este trabajo se han analizado propiedades ópcas de aerosoles atmosféricos obtenidas a parr de medidas de fotómetros y ceilómetros en la Península Ibérica, pertenecientes a la red CAECENET, entre febrero de 2014 y febrero de 2023. Los resultados observados en la comparava entre CAECENET y AERONET muestran que los datos de CAECENET sobreesman ligeramente a los de AERONET en las propiedades referidas al modo grueso. Este resultado ya se había visto en otros estudios y su causa puede estar en las suposiciones que hace el algoritmo GRASP que usa CAECENET. Las incerdumbres de ambas bases de datos parecen similares, en ambos casos aumentan para variables cuyo error depende de la longitud de onda y son poco fiables para valores bajos de AOD. Pese a todo, los buenos resultados en la comparava respaldan la validez de las inversiones, no solo para las propiedades en columna sino también para los perfiles vercales que es la novedad que aporta CAECENET. Con estos mismos datos, se ha establecido una climatología de los perfiles vercales de los aerosoles en la ciudad de Valladolid. Se ha obtenido que, en los meses de verano, que corresponden con una mayor carga de aerosoles, la concentración en volumen presenta valores mayores, la media y mediana en los primeros 4 km toma valores entre 10 y 15 µm3/cm3, frente a valores entre 5 y 10 µm3/cm3 en los meses de invierno; y lo mismo ocurre con el coeficiente de exnción, entre 30 y 40 Mm-1 en junio, julio y agosto frente a entre 20 y 30 Mm-1 otros meses. Los meses de invierno presentan en general baja variabilidad y valores muy bajos del coeficiente de exnción. La presencia de eventos de transporte de parculas desércas supone una mayor variabilidad en el perfil de alturas, debido a que estos aerosoles aparecen en capas a una altura concreta, es posible observar esto en los perfiles vercales, en meses que presentan un aumento brusco del percenl 95, como puede ser el caso de marzo entre 1 y 2 km sobre el nivel de mar. La disposición de las estaciones de la red CAECENET en disntos puntos de la Península, permite monitorizar eventos de transporte de aerosoles, tal y como se ha comprobado con el análisis de un evento de polvo sahariano ocurrido entre el 3 y 5 de octubre de 2022. Los perfiles analizados permiten observar que la capa de aerosol desérco fue transportada en torno a 3 km de altura. Los datos meteorológicos consultados muestran que este evento sucedió debido a la existencia de un sistema de bajas presiones en el desierto del Sahara, que provocó la elevación de polvo y, posteriormente, la existencia de un anciclón en torno a los 3 km provocó el transporte a la Península. Aunque estos eventos son más comunes en los meses de verano, ocasionalmente pueden suceder en los meses de mayo y octubre como en este caso. En resumen, aunque es necesario trabajar en la mejora de las incerdumbres de medida de los instrumentos, y en cómo estas se propagan a los datos obtenidos, además de analizar si es posible evitar la sobreesmación de algunos de los parámetros, los datos que proporciona CAECENET demuestran ser confiables y de gran ulidad. Conocer la climatología de los perfiles vercales de una región es de gran ulidad en la caracterización de su atmósfera, ya que permite concretar más la información sobre sus componentes. Asimilar estos valores climatológicos resulta muy importante en los estudios de forzamiento radiavo, en especial, dado el esfuerzo actual en resolver las incerdumbres en las interacciones aerosol-nube. La monitorización de eventos de transporte permite saber a qué alturas llega una capa de aerosol sobre disntas regiones, lo cual puede ser muy úl para alertar a la población si esto va a poner en riesgo la salud pública, o a los controladores aéreos, por si se pueden prevenir condiciones de baja visibilidad. También proporciona mucha información sobre la dinámica atmosférica y sirve para alimentar los modelos predicvos, ya que analizando si se observa la misma capa de aerosol y a qué alturas en disntas estaciones, se obenen datos sobre cómo ha sido el transporte de esa masa de aire.
38 5. Bibliograa Ångström, A. (1961). Techniques of Determinig the Turbidity of the Atmosphere. Tellus, 13(2), 214–223. hps://doi.org/10.1111/j.2153-3490.1961.tb00078.x Bazo, E., Granados-Muñoz, M. J., Román, R., Bravo-Aranda, J. A., Cazorla, A., Valenzuela, A., González, R., Olmo, F. J., & Alados-Arboledas, L. (2023). Evaluaon of the vercally-resolved aerosol radiave effect on shortwave and longwave ranges using sun-sky photometer and ceilometer measurements. Atmospheric Research, 282, 106517. hps://doi.org/10.1016/J.ATMOSRES.2022.106517 Benavent-Oltra, J. A., Román, R., Granados-Muñoz, M. J., Pérez-Ramírez, D., Orz-Amezcua, P., Denjean, C., Lopan, A., Lyamani, H., Torres, B., Guerrero-Rascado, J. L., Fuertes, D., Dubovik, O., Chaikovsky, A., Olmo, F. J., Mallet, M., & Alados-Arboledas, L. (2017). Comparave assessment of GRASP algorithm for a dust event over Granada (Spain) during ChArMEx-ADRIMED 2013 campaign. Atmospheric Measurement Techniques, 10(11), 4439– 4457. hps://doi.org/10.5194/amt-10-4439-2017 Bennouna, Y. S., Cachorro, V. E., Mateos, D., Burgos, M. A., Toledano, C., Torres, B., & de Frutos, A. M. (2016). Long-term comparave study of columnar and surface mass concentraon aerosol properes in a background environment. Atmospheric Environment, 140, 261–272. hps://doi.org/10.1016/j.atmosenv.2016.05.061 Bodhaine, B. A., Wood, N. B., Duon, E. G., & Slusser, J. R. (1999). On Rayleigh Opcal Depth Calculaons. Boucher, O., Randall, D., Artaxo, P., Bretherton, C., Feingold, G., Forster, P., Kerminen, V., Kondo, Y., Liao, H., Lohmann, U., Rasch, P., Satheesh, S., Sherwood, S., Stevens, B., Zhang, X., Qin, D., Planer, G., Tignor, M., Allen, S., … Midgley, P. (2013). Clouds and Aerosols. In: Climate Change 2013: The Physical Science Basis. Contribuon of Working Group I to the Fih Assessment Report of the Intergovernmental Panel on Climate Change Coordinang Lead Authors: Lead Authors. Cachorro, V. E., Burgos, M. A., Mateos, D., Toledano, C., Bennouna, Y., Torres, B., de Frutos, Á. M., & Herguedas, Á. (2016). Inventory of African desert dust events in the north-central Iberian Peninsula in 2003–2014 based on sun-photometer–AERONET and parculatemass–EMEP data. Atmospheric Chemistry and Physics, 16(13), 8227–8248. hps://doi.org/10.5194/acp-16-8227-2016 Cazorla, A., Andrés Casquero-Vera, J., Román, R., Luis Guerrero-Rascado, J., Toledano, C., Cachorro, V. E., Orza, J. A. G., Cancillo, M. L., Serrano, A., Titos, G., Pandolfi, M., Alastuey, A., Hanrieder, N., & Alados-Arboledas, L. (2017). Near-real-me processing of a ceilometer network assisted with sun-photometer data: Monitoring a dust outbreak over the Iberian Peninsula. Atmospheric Chemistry and Physics, 17(19), 11861–11876. hps://doi.org/10.5194/acp-17-11861-2017 Cazorla, A., Casquero-Vera, J. A., Román, R., Guerrero-Rascado, J. L., Toledano, C., Cachorro, V. E., Orza, J. A. G., Cancillo, M. L., Serrano, A., Titos, G., Pandolfi, M., Alastuey, A., Hanrieder, N., & Alados-Arboledas, L. (2017). Near-real-me processing of a ceilometer network assisted with sun-photometer data: monitoring a dust outbreak over the Iberian Peninsula. Atmospheric Chemistry and Physics, 17(19), 11861–11876. hps://doi.org/10.5194/acp- 17-11861-2017
39 Costa-Surós, M., Calbó, J., González, J. A., & Marn-Vide, J. (2013). Behavior of cloud base height from ceilometer measurements. Atmospheric Research, 127, 64–76. hps://doi.org/10.1016/J.ATMOSRES.2013.02.005 Dubovik, O., Fuertes, D., Litvinov, P., Lopan, A., Lapyonok, T., Doubovik, I., Xu, F., Ducos, F., Chen, C., Torres, B., Derimian, Y., Li, L., Herreras-Giralda, M., Herrera, M., Karol, Y., Matar, C., Schuster, G. L., Espinosa, R., Puthukkudy, A., … Federspiel, C. (2021). A Comprehensive Descripon of Mul-Term LSM for Applying Mulple a Priori Constraints in Problems of Atmospheric Remote Sensing: GRASP Algorithm, Concept, and Applicaons. Froners in Remote Sensing, 2. hps://doi.org/10.3389/frsen.2021.706851 Dubovik, O., Holben, B., Eck, T. F., Smirnov, A., Kaufman, Y. J., King, M. D., Tanré, D., & Slutsker, I. (2002a). Variability of Absorpon and Opcal Properes of Key Aerosol Types Observed in Worldwide Locaons. Journal of the Atmospheric Sciences. Dubovik, O., Holben, B., Eck, T. F., Smirnov, A., Kaufman, Y. J., King, M. D., Tanré, D., & Slutsker, I. (2002b). Variability of Absorpon and Opcal Properes of Key Aerosol Types Observed in Worldwide Locaons. Journal of the Atmospheric Sciences, 59(3), 590–608. hps://doi.org/10.1175/1520-0469(2002)059<0590:voaaop>2.0.co;2 Dubovik, O., & King, M. D. (2000). A flexible inversion algorithm for retrieval of aerosol opcal properes from Sun and sky radiance measurements. Journal of Geophysical Research: Atmospheres, 105(D16), 20673–20696. hps://doi.org/10.1029/2000JD900282 Dubovik, O., Lapyonok, T., Litvinov, P., Herman, M., Fuertes, D., Ducos, F., Torres, B., Derimian, Y., Huang, X., Lopan, A., Chaikovsky, A., Aspetsberger, M., & Federspiel, C. (2014). GRASP: a versale algorithm for characterizing the atmosphere. SPIE Newsroom. hps://doi.org/10.1117/2.1201408.005558 Escudero, M., Casllo, S., Querol, X., Avila, A., Alarcón, M., Viana, M. M., Alastuey, A., Cuevas, E., & Rodríguez, S. (2005). Wet and dry African dust episodes over eastern Spain. Journal of Geophysical Research D: Atmospheres, 110(18), 1–15. hps://doi.org/10.1029/2004JD004731 Fernández, A. J., Molero, F., Salvador, P., Revuelta, A., Becerril-Valle, M., Gómez-Moreno, F. J., Arñano, B., & Pujadas, M. (2017). Aerosol opcal, microphysical and radiave forcing properes during variable intensity African dust events in the Iberian Peninsula. Atmospheric Research, 196, 129–141. hps://doi.org/10.1016/J.ATMOSRES.2017.06.019 Fernández, A. J., Sicard, M., Costa, M. J., Guerrero-Rascado, J. L., Gómez-Amo, J. L., Molero, F., Barragán, R., Basart, S., Bortoli, D., Bedoya-Velásquez, A. E., Utrillas, M. P., Salvador, P., Granados-Muñoz, M. J., Potes, M., Orz-Amezcua, P., Marnez-Lozano, J. A., Arñano, B., Muñoz-Porcar, C., Salgado, R., … Pujadas, M. (2019). Extreme, winterme Saharan dust intrusion in the Iberian Peninsula: Lidar monitoring and evaluaon of dust forecast models during the February 2017 event. Atmospheric Research, 228, 223–241. hps://doi.org/10.1016/J.ATMOSRES.2019.06.007 Fuertes, D., Toledano, C., González, R., Berjón, A., Torres, B., Cachorro, V. E., & de Frutos, Á. M. (2018). CÆLIS: soware for assimilaon, management and processing data of an atmospheric measurement network. Geoscienfic Instrumentaon, Methods and Data Systems, 7(1), 67–81. hps://doi.org/10.5194/gi-7-67-2018
40 Giles, D. M., Sinyuk, A., Sorokin, M. G., Schafer, J. S., Smirnov, A., Slutsker, I., Eck, T. F., Holben, B. N., Lewis, J. R., Campbell, J. R., Welton, E. J., Korkin, S. V., & Lyapusn, A. I. (2019). Advancements in the Aerosol Roboc Network (AERONET) Version 3 database – automated near-real-me quality control algorithm with improved cloud screening for Sun photometer aerosol opcal depth (AOD) measurements. Atmospheric Measurement Techniques, 12(1), 169–209. hps://doi.org/10.5194/amt-12-169-2019 G.Lu GmbH. (2019). Manual de instrucciones Ceilómetro Lu CHM 15k. González Catón, R. (2021). Desarrollo de nuevos métodos de procesado de datos de redes fotométricas para el análisis de propiedades del aerosol atmosférico [Universidad de Valladolid]. hps://doi.org/10.35376/10324/46439 González, R., Toledano, C., Román, R., Fuertes, D., Berjón, A., Mateos, D., Guirado-Fuentes, C., Velasco-Merino, C., Antuña-Sánchez, J. C., Calle, A., Cachorro, V. E., & de Frutos, Á. M. (2020). Dayme and nighme aerosol opcal depth implementaon in CÆLIS. Geoscienfic Instrumentaon, Methods and Data Systems, 9(2), 417–433. hps://doi.org/10.5194/gi-9-417-2020 Guerrero-Rascado, J. L., Olmo, F. J., Avilés-Rodríguez, I., Navas-Guzmán, F., Pérez-Ramírez, D., Lyamani, H., & Alados Arboledas, L. (2009). Extreme Saharan dust event over the southern Iberian Peninsula in september 2007: acve and passive remote sensing from surface and satellite. Atmospheric Chemistry and Physics, 9(21), 8453–8469. hps://doi.org/10.5194/acp-9-8453-2009 Herreras, M., Román, R., Cazorla, A., Toledano, C., Lyamani, H., Torres, B., Cachorro, V. E., Olmo, F. J., Alados-Arboledas, L., & De Frutos, A. M. (2018). Integrated aerosol exncon profiles from ceilometer and sunphotometer combinaon against sunphotometer measurements at various heights. Internaonal Geoscience and Remote Sensing Symposium (IGARSS), 2018-July, 7564–7567. hps://doi.org/10.1109/IGARSS.2018.8519263 Holben, B. N., Eck, T. F., Slutsker, I., Tanré, D., Buis, J. P., Setzer, A., Vermote, E., Reagan, J. A., Kaufman, Y. J., Nakajima, T., Lavenu, F., Jankowiak, I., & Smirnov, A. (1998). AERONET—A Federated Instrument Network and Data Archive for Aerosol Characterizaon. Remote Sensing of Environment, 66(1), 1–16. hps://doi.org/10.1016/S0034-4257(98)00031-5 Huertas-Tato, J., Rodríguez-Benítez, F. J., Arbizu-Barrena, C., Aler-Mur, R., Galvan-Leon, I., & Pozo- Vázquez, D. (2017). Automac Cloud-Type Classificaon Based On the Combined Use of a Sky Camera and a Ceilometer. Journal of Geophysical Research: Atmospheres, 122(20), 11,045-11,061. hps://doi.org/10.1002/2017JD027131 José A. Sobrino. (2001). Teledetección (José A. Sobrino, Ed.). Universitat de València. Juan Carlos Antuña. (2022). CONFIGURACIÓN Y METODOLOGÍA PARA EL USO DE CÁMARAS DE TODO CIELO EN LA OBTENCIÓN DE PARÁMETROS ATMOSFÉRICOS. Universidad de Valladolid. Kasten, F., & Young, A. T. (1989). Revised opcal air mass tables and approximaon formula. Applied Opcs, 28(22), 4735. hps://doi.org/10.1364/AO.28.004735 María Ángeles Burgos Simón. (2016). Estudio de las propiedades en columna y superficie del aerosol atmosférico en la zona centro-norte de la Península Ibérica: énfasis en aerosol desérco. Universidad de Valladolid.
47 Figura A8 Secuencia de mapas con los datos de espesor ópco de aerosoles y concentración en superficie de polvo desérco en Europa y Norte de África, del modelo predicvo de aerosoles NRL/Monterey entre el 1 y el 6 de octubre de 2022.