27 Meritve hitrosti gibanja zrač nih mas Samo Stanič * , Maruška Mole * , Miha Živec * Povzetek V prispevku predstavljamo novo metodo merjenja smeri in hitrosti gibanja zrač nih mas, ki temelji na kombinaciji aktivnega (lidarski sistem) in pasivnega (kamera) daljinskega zaznavanja atmosfere. S pomoč jo lidarja smo določ ili razdaljo do oblakov, ki so služili kot sledilci v zrač nem toku. Soč asno z lidarskimi meritvami smo fotografirali del neba, v katerega je bil usmerjen lidar. Iz meritev oddaljenosti oblakov ter njihovega premikanja smo izrač unali hitrost potovanja oblakov in s tem tudi spodnjo mejo hitrosti zrač ne mase, ki je oblake nosila. Metodo merjenja hitrosti gibanja zrač nih mas smo preizkusili na štirih testnih primerih v februarju in marcu 2016. Meritve so potekale v Ajdovšč ini v različ nih vremenskih pogojih. Poleg naprav za daljinsko zaznavanje (lidar in optič ne kamere) smo za primerjavo uporabili tudi prizemne meritve vetra v Ajdovšč ini ter podatke vertikalne sondaže atmosfere v Vidmu in Ljubljani. Rezultati meritev vetra z daljinskim zaznavanjem se v vseh štirih opazovanih primerih relativno dobro ujemajo z rezultati sondaž, do odstopanj pa prihaja zaradi krajevnega in č asovnega neujemanja sondaž z daljinskim zaznavanjem. Ključ ne besede: daljinsko zaznavanje, veter, atmosfera Keywords: remote sensing, wind, atmosphere Uvod Atmosfera je plast plinov in aerosolov, ki obkroža Zemljo. V č lanku se bomo omejili na pojave v spodnji plasti, imenovani troposfera, v kateri poteka več ina vremenskih procesov (Rakovec in Vrhovec, 2007). Troposfero delimo na prizemno plast (PBL) in prosto atmosfero, kjer je PBL tisto območ je, v katerem še prihaja do interakcije med tlemi in zrakom. Ker se lastnosti atmosfere s č asom spreminjajo, so meritve meteoroloških spremenljivk in opazovanje razvoja vremenskih procesov velikega pomena. Ugotavljanje stanja atmosfere z uporabo prizemnih toč kovnih meritev je razen za najnižji del PBL več inoma nemogoč e, saj nam ne omogoč a vpogleda v vertikalno strukturo atmosfere. Meritve vertikalnih profilov meteoroloških spremenljivk so se tako izvajale z uporabo letal, najpogosteje pa z baloni z radiosondami. Težava takih meritev je njihova slaba č asovna in prostorska loč ljivost, saj se balon na določ eni višini zadržuje le kratek č as, hkrati pa so tudi postaje, ki opravljajo take meritve, zelo daleč narazen. Velik napredek pri meritvah vertikalnih profilov je doprinesla uporaba naprav za daljinsko zaznavanje, ki tako s tal kot s satelitov spremljajo stanje atmosfere, kar omogoč a zajem podatkov o vertikalnih profilih temperature in vlažnosti ter posledič no zagotavlja boljše vhodne podatke za meteorološke modele. Na daljavo lahko bodisi s pasivnim bodisi z aktivnim daljinskim zaznavanjem merimo tudi hitrost in smer vetra. Aktivne metode merijo lastnosti atmosfere na podlagi spremembe povratno sipanega lastnega signala, pasivne pa na podlagi spremembe signalov iz zunanjih izvorov. Naprave za daljinsko zaznavanje lahko kot signal uporabljajo zvok (SODAR) ali elektromagnetno valovanje (RADAR in LIDAR). Hitrosti gibanja zrač nih mas z uporabo pasivnega daljinskega zaznavanja so določ ali že v 19. stoletju, kjer so za meritve hitrosti uporabljali kombinacijo dveh ali več meritev kotov do izbranih oblač nih * Univerza v Novi Gorici, Center za raziskave atmosfere, Vipavska 11c, Ajdovšč ina 28 struktur s teodolitom z različ nih lokacij, pa tudi s kombinacijo dveh meritev teodolitov in dveh fotografij (brez avtorja, 1896). Z iznajdbo lidarja so metodo nadgradili, saj so z uporabo zaporednih lidarskih meritev lahko sledili oblakom in drugim atmosferskim strukturam, ter tako pridobili informacijo o hitrosti in smeri gibanja le-teh (Hooper, 1985; Mayor, 2001). V zadnjem č asu so v uporabi predvsem Dopplerski lidarji, ki pa za določ anje hitrosti in smeri vetra uporabljajo Dopplerjev zamik prejetega signala (Chanin et al., 1989; Liu et al., 2002). Za določ itev hitrosti in smeri vetra na višini oblač ne plasti z boljšo č asovno loč ljivostjo od standardnih meteoroloških meritev smo uporabili kombinacijo aktivne (lidarski sistem) in pasivne (kamera) metode daljinskega zaznavanja. Za sledenje gibanja zrač nih mas smo uporabili oblake, ki so jih te zrač ne mase nosile. Dinamiko gibanja smo določ ili iz č asovnega zaporedja fotografij ter lidarske meritve razdalje od opazovalca do oblač ne plasti. Meritve in modeliranje stanja atmosfere Predstavljena metoda meritve hitrosti in smeri gibanja zrač nih mas temelji na uporabi aktivnega (lidar) in pasivnega (fotoaparat ali kamera) daljinskega zaznavanja stanja v atmosferi. S pomoč jo lidarja smo izmerili višinske profile povratnega sipanja na delcih v atmosferi, ki smo jih uporabili za identifikacijo oblač nih plasti ter meritev njihovih razdalj od lidarskega sistema, zaporedne posnetke neba pa smo uporabili za določ itev njihovega premikanja. Vse č asovne oznake pri meritvah so v lokalnem č asu (LT). Dobljene rezultate smo primerjali s prizemnimi meritvami vetra na strehi zgradbe Univerze v Novi Gorici v Ajdovšč ini, ter z meritvami radiosondaž v Vidmu in v Ljubljani. Smer vetra smo primerjali tudi z napovedmi modela HYSPLIT. Lidar Lidar je naprava, ki zaznava povratno sipanje kratkih pulzov laserske svetlobe na aerosolih in molekulah vzdolž izsevanega laserskega žarka (Kovalev in Eichinger, 2004). Sestavljen je iz oddajnika (pulzni laser) in sprejemnika svetlobe (teleskop), ki je povezan z detektorjem svetlobe, ojač evalnikom in rač unalniškim sistemom za beleženje podatkov. Prejeti signal lahko opišemo z lidarsko enač bo za sipanje: = 2 , (1) kjer je moč signala, ki ga odda svetlobni izvor, uč inkovitost sistema, hitrost svetlobe, dolžina svetlobnega sunka, efektivna površina sprejemnika, koeficient povratnega sipanja in oslabitev signala na poti od oddajnika do sprejemnika. Meritve smo izvedli z mobilnim lidarjem Univerze v Novi Gorici (He et al., 2010), ki kot oddajnik uporablja Nd:YAG pulzni laser z valovno dolžino 1064 nm in frekvenco sunkov 10 Hz, za sprejemnik pa 300 mm Newtonski teleskop, povezan s plazovno fotodiodo. Višinski profili jakosti povratnega sipanja so povpreč je meritev desetih zaporednih pulzov. Konč na meritev ima č asovno loč ljivost 1 s, loč ljivost pri določ anju razdalje do določ enega sipalca pa je 3,75 m. 29 Slika 1: Shema mobilnega lidarskega sistema Univerze v Novi Gorici (He et al., 2010). Svetlobni sunek, ki ga odda laser, se v atmosferi povratno siplje na aerosolih in molekulah. Sipano svetlobo zberemo s teleskopom in jo vodimo skozi filtrski sistem na plazovno fotopomnoževalko. Signal, ki ga sistem zazna, opišemo z enač bo (1). Mobilni lidar UNG omogoč a meritve z ultraviolič no in infrardeč o svetlobo, pri č emer je slednja zaradi manjše oslabitve boljša izbira za meritev oddaljenosti oblač nih plasti. Optič ne kamere Dinamiko gibanja oblakov smo določ ili iz č asovnega zaporedja fotografij. Fotoaparat je bil med meritvami nepremič no pritrjen in usmerjen v isti del neba kot lidar (Slika 2), tako da so vsi posnetki v zaporedju pokrivali isti kos neba. Enakomerni č asovni interval zajemanja fotografij smo dosegli z avtomatskim proženjem. Frekvenca zajemanja fotografij je bila dovolj visoka, da smo lahko sledili izbranemu delu oblaka skozi več zaporednih fotografij. Za opazovanje neba smo uporabili dva različ na optič na sistema – zrcalno refleksni fotoaparat (Canon EOS 1000D) in CCD kamero (Mingon IPC-20C). Podrobne lastnosti obeh sistemov so predstavljene v Tabeli 1. Tabela 1: Glavne lastnosti fotoaparata in kamere, ki sta bila uporabljena pri meritvah gibanja zrač nih mas. Tip optič nega sistema Canon EOS 1000D Mignon IPC-20C Loč ljivost posnetka 3888 ⨯ 2592 640 ⨯ 480 Horizontalni kot zaslonke (β ) 48 ° 36,4 ° Vertikalni kot zaslonke (α ) 30,9 ° 27,4 ° Horizontalna kotna loč ljivost 0,012 °/ piko 0,057 °/ piko Vertikalna kotna loč ljivost 0,012 °/ piko 0,057 °/ piko Č asovna loč ljivost 15 s 60 s 30 Slika 2: Stranski pogled na izvedbo eksperimenta. Debela rdeč a č rta predstavlja pravokotnico na vidno polje kamere skozi središč e vidnega polja, rumeno območ je pa vidno polje kamere. je elevacijski kot kamere, in pa sta vertikalni in horizontalni kot, ki ga pokrije odprta zaslonka. Rumena pušč ica je usmerjena proti severu, je azimutni kot optič ne osi kamere glede na sever. Model HYSPLIT Trajektorije zrač nih mas je mogoč e modelirati s pomoč jo numerič nih modelov. Za primerjavo izmerjenih vrednosti z modelskimi napovedmi smo se zaradi enostavne uporabe odloč ili za model HYSPLIT (Stein et al, 2015), ki med drugim omogoč a izrač un povratnih trajektorij, in ga uporabili za primerjavo smeri vetra na višini baze oblakov nad Ajdovšč ino. Radiosondaža Vertikalne profile meteoroloških spremenljivk obič ajno merimo z uporabo radiosond. V študiji smo za primerjavo z meritvami vetra z daljinskim zaznavanjem uporabili podatke radiosond iz Ljubljane in iz Vidma, ki so prosto dostopni na spletni povezavi http://weather.uwyo.edu/upperair/sounding.html. Izrač un hitrosti in smeri vetra Izrač un smeri in spodnje meje hitrosti vetra temelji na predpostavkah, da se višina opazovane oblač ne plasti med nekaj minutno meritvijo ne spreminja ter da se takrat zrač ne mase v tej plasti gibljejo s konstantno hitrostjo. Za potrebe izrač una definiramo tri koordinatne sisteme: sistem , ki sovpada z lokacijo merilnega sistema (njegova abscisna os kaže proti vzhodu, ordinatna os pa proti severu), sistem fotografije , ki ima izhodišč e v središč u vidnega polja kamere (njegova abscisna os kaže proti desni, ordinatna os pa navzdol v ravnini fotografije), ter sistem oblač ne plasti ′ z istim koordinatnim izhodišč em 31 kot , pri č emer njegova abscisna os sovpada z abscisno (horizontalno) osjo sistema fotografije, ordinatna os pa kaže v smeri horizontalne projekcije optič ne osi kamere (Slika 4). Sistem ′ je torej zasukan glede na okoli skupne navpič nice za azimutni kot optič ne osi kamere (Slika 2). Slika 3: Zaporedje fotografij, uporabljenih pri izrač unu hitrosti dne 19. 2. 2016. Posnete so bile s fotoaparatom Canon EOS1000D s konstantnim č asovnim intervalom 15 s. V zgornjem levem kotu je č as posnetka, rdeč križec pa označ uje strukturo, ki smo ji sledili. Č rna č rta v spodnjem desnem kotu je prostorsko merilo in predstavlja zorni kot 5 °. Za izrač un smeri in spodnje meje hitrosti vetra na fotografijah najprej izberemo del oblaka, ki se pojavlja na več zaporednih fotografijah, ga označ imo in oznaki sledimo skozi zaporedje fotografij (Slika 3). V testni študiji smo oblač no strukturo izbrali in označ ili roč no. Lego oznake v sistemu fotografije izrač unamo kot , = 2 − tan" # 2 $, kjer je za izbrano smer loč ljivost fotografije (celotno število toč k) , koordinata oznake v toč kah v tej smeri, razdalja od kamere do baze oblakov v središč u vidnega polja kamere ter # zorni kot kamere. Za smer osi je to horizontalni zorni kot , za smer osi % pa vertikalni zorni kot , ki sta za vsak tip uporabljene kamere podana v Tabeli 1. Razdaljo med merilnim sistemom in bazo oblakov izmerimo z lidarjem. V primeru, da optič ni osi lidarja in kamere nista popolnoma poravnani, pri različ nih elevacijah optič ne osi kamere in lidarja & razdaljo do oblač ne plasti v sredini fotografije (Slika 4) iz lidarske meritve izrazimo kot = sin & sin & . 32 Iz izmerjenih leg oznake v sistemu fotografije nato izrač unamo lego označ enega dela oblaka v koordinatnem sistemu oblač ne plasti ′ . Odmiki v smeri osi ′ so enaki horizontalnim odmikom na fotografiji, ′ = , odmike v smeri osi %′ pa izrazimo z odmiki v smeri osi % (Slika 4) kot % * = sin ∆ sin − ∆ , (2) kjer je tan ∆ = , - . . Slika 4: Preč ni pogled na tipič no postavitev meritve hitrosti oblač nih mas. Oblač na plast je na višini ℎ in se giblje v horizontalni ravnini. Razdalja do oblakov vzdolž optič ne osi lidarja z elevacijo & je & , vzdolž optič ne osi kamere z elevacijo pa . % je projekcija horizontalnega odmika v smeri osi %′ v koordinatni sistem fotografije V sistemu ′ iz povpreč ne vrednosti premikov med zaporednimi legami v znanih č asovnih intervalih izrač unamo obe komponenti vektorja hitrosti oznake, napako pa ocenimo s standardnim odklonom. Velikost vektorja 0′ = 10′ 2 +0′ , (2) je enaka hitrosti vetra. Ker je smer vetra po dogovoru smer, iz katere veter piha, jo s komponentami vektorja hitrosti oznake izrazimo kot 4′ = arctan" 7* 8 7* 9 $+180°. (3) Da bi lahko rezultate meritev z daljinskim zaznavanjem primerjali z meritvami radiosondaž in napovedmi modela HYSPLIT, moramo vektor hitrosti oznake zapisati v koodinatnem sistemu merilnega sistema . Hitrost vetra se pri tem ne spremeni, 0 = 0′ , pri smeri vetra pa upoštevamo še azimutni kot kamere, 4 = 4′+. Rezultati Meritve smeri in hitrosti gibanja zrač nih mas s kombinacijo aktivnega in pasivnega daljinskega zaznavanja smo izvedli v Ajdovšč ini v februarju in marcu 2016 na štirih 33 testnih primerih pod različ nimi vremenskimi pogoji. Eksperimentalne podrobnosti, vključ no s č asom zač etka in konca optič nih meritev in lidarskimi rezultati so predstavljene v Tabeli 2. Č asovna in kotna loč ljivost optič ne meritve sta odvisni od tipa uporabljenega optič nega sistema in sta podani v Tabeli 1. Tabela 2: Opis osnovnih parametrov optič nih meritev in lidarskih meritev za štiri testne primere gibanja zrač nih mas, ki smo jih opazovali februarja in marca 2016 v Ajdovšč ini. Oddaljenost in višina baze oblakov sta izrač unani iz lidarskih podatkov. in & sta azimutna kota, in & pa elevacijska kota kamere in lidarja. Primer 1 Primer 2 Primer 3 Primer 4 Datum in č as 19. 2. 2016 12:55 – 12:58 16. 3. 2016 14:10 – 14:18 17. 3. 2016 7:00 – 7:10 30. 3. 2016 10:06 – 10:12 & [°] 142 144 144 144 & [°] 30 30 20 30 [°] 142 144 144 144 [°] 30 9 9 9 Razdalja & [m] 2199 ± 154 7109 ± 8 6523 ±48 3612 ± 10 Višina [m] 1100 3555 2231 1806 Loč ljivost 3888 ⨯ 2592 640 ⨯ 480 640 ⨯ 480 640 ⨯ 480 V Primeru 1 z dne 19. 2. 2016 med 12:49 in 13:19 (Slika 5 levo) je bilo vreme oblač no. Med meritvijo sta bili prisotni dve plasti oblakov, nižji krpasti oblaki na višini 1100 m ter višji strnjeni oblaki z bazo na višini 2250 m (Slika 6 zgoraj). Nižji krpasti oblaki so precej hitro spreminjali obliko, kar je bil vzrok za veliko nedoloč enost razdalje do baze nižjih oblakov (14 %). V Primeru 2 z dne 16. 3. 2016 med 13:00 in 15:00 LT (Slika 5 desno) je bilo delno oblač no vreme, v Ajdovšč ini pa je pihala burja. Baza oblakov je bila stabilna (Slika 6 spodaj), med meritvijo je bil odklon razdalje do baze le okoli 0,1 %. Primera 3 in 4 sta podobna Primeru 2. Rezultati meritev za vse štiri primere so predstavljeni v Tabelah 3 in 4. Slika 5: Pokritost neba nad Ajdovšč ino 19. 2. 2016 ob 12:55 LT (levo) in 16. 3. 2016 ob 14:10 LT (desno). Na levi sliki je vidnih nekaj krpastih oblakov (Pannusov) na višini približno 1100 m pod glavno bazo oblakov na višini 2250 m, medtem ko na desni prevladujejo srednji oblaki, ki pripadajo rodu Altocumulusov. 34 Slika 6: Lidarski meritvi povratnega sipanja na aerosolih v ozrač ju iz dne 19. 2. 2016 (zgoraj) in 16. 3. 2016 (spodaj). Razdaljo merimo od položaja lidarskega sistema. V obeh primerih je č asovni interval za izrač un hitrosti in smeri vetra označ en z navpič nima rdeč ima č rtama. V zgornjem primeru se oblač na plast, ki smo jo uporabili za izrač un vetra, nahaja na razdalji med 2 in 3 km, vidno je tudi spreminjanje oddaljenosti baze znotraj izbranega obdobja. V nasprotju s primerom iz 19. 2. je baza oblakov v spodnjem primeru bolj konstantna in se nahaja približno 7,5 km od merilnega sistema. Primerjava rezultatov z drugimi meritvami vetra in z modelom HYSPLIT Rezultate meritev z daljinskim zaznavanjem smo primerjali s podatki radijske sondaže v Vidmu in v Ljubljani (Tabela 3), pri č emer smo izbrali meritve, ki so bile našim č asovno najbližje. Opazili smo dobro ujemanje, pri č emer lahko razlike pojasnimo s č asovnim in prostorskim zamikom med meritvami z daljinskim zaznavanjem in meritvami z radiosondami. Tabela 3: Primerjava rezultatov, pridobljenih iz meritev z daljinskim zaznavanjem in meritev radijske sondaže v Ljubljani in Vidmu. Pri sondaži smo izbrali meritve, ki so bile našim po č asu in po višini najbližje. Datum Daljinsko zaznavanje Ljubljana Videm Hitrost Smer Hitrost Smer Hitrost Smer m/s ° m/s ° m/s ° 19. 2. 4,4 ± 0,8 258 ± 13 5,1 265 2,6 144 16. 3. 8,6 ± 2,1 191 ± 15 7,2 120 9,8 150 17. 3. 6,2 ± 1,7 182 ± 14 8,2 135 5,1 160 30. 3. 15,8 ± 1,7 243 ± 18 11,8 245 11,8 235 35 Ob primerjavi rezultatov, pridobljenih z daljinskim zaznavanjem in rezultatov meritev z ultrazvoč nim anemometrom v Ajdovšč ini, namešč enim 10 m nad tlemi (Tabela 4), je prišlo do več jih odstopanj. Razlike so opazne tako v hitrosti vetra kot v njegovi smeri. Razlika v smeri je še posebej opazna v Primerih 2 in 3, ko je pri tleh pihala burja. Č eprav so bile hitrosti vetra 10 m nad tlemi in na višini baze oblakov primerljive, so se smeri vetra razlikovale za okoli 130°. Opaženo spremembo smeri z višino dne 16. 3. 2016 potrjuje tudi pojav oblakov ob Kelvin-Helmholtzovem valovanju, ki je posledica strižnih vetrov (Mole et al., 2016), z njo pa se skladajo tudi napovedi povratnih trajektorij modela HYSPLIT za Ajdovšč ino (Slika 7). Tabela 4: Primerjava hitrosti in smeri vetra, izmerjenih z daljinskim zaznavanjem, s povpreč nimi vrednostmi meritve anemometra v Ajdovšč ini v istih č asovnih intervalih. Datum Č as LT Daljinsko zaznavanje Anemometer Višina Hitrost Smer Hitrost Smer m m/s ° m/s ° 19. 2. 12:55-12:58 1070±77 4,4 ± 0,8 258 ± 13 0,9±0,6 218±85 16. 3. 14:10-14:18 3720±4 8,6 ± 2,1 191 ± 15 9,5±2,6 56±18 17. 3. 7:00-7:10 3370±16 6,2 ± 1,7 182 ± 14 8,2±2,5 49±19 30. 3. 10:00-10:06 2020±5 15,8 ± 1,7 243 ± 18 0,3±0,1 89±42 36 Slika 7: Povratne trajektorije modela HYSPLIT za zrač ne mase nad Ajdovšč ino v dneh 19. 2., 16. 3., 17. 3. in 30. 3. 2016. V č asu burje (16.-17. 3.) so zrač ne mase pritekale pri tleh iz severne, severovzhodne strani (rdeč e trajektorije), višje v troposferi pa iz jugovzhodne strani (modre in zelene trajektorije). Zaključ ek Razvili smo metodo za merjenje smeri in spodnje meje hitrosti premikanja zrač nih mas na višini baze oblakov s kombinacijo aktivnega in pasivnega daljinskega zaznavanja premikanja oblakov. Metodo smo v februarju in marcu 2016 v Ajdovšč ini preizkusili na štirih testnih primerih v različ nih vremenskih pogojih, kjer je bilo razvidno, da se oblaki premikajo. Meritve z daljinskim zaznavanjem se dobro ujemajo z meritvami radijske sondaže v Vidmu in Ljubljani, pri č emer neujemanja pripisujemo krajevnemu in č asovnemu zamiku med njimi. Izmerjeni odklon smeri vetra v višjih plasteh glede na veter pri tleh med pojavom burje potrjuje opažen nastanek oblakov ob Kelvin-Helmholtzovem valovanju, ki je bilo posledica strižnih vetrov. V vseh testnih primerih se izmerjena smer vetra na višini oblač ne plasti dobro ujema z napovedjo poteka povratnih trajektorij modela HYSPLIT. Metoda nam omogoč a meritev smeri in spodnje meje hitrosti vetra z dobro krajevno in č asovno loč ljivostjo, njena glavna omejitev pa je, da smo vezani na višino najnižje oblač ne plasti. Uporabnost metode je nadalje odvisna od stopnje oblač nosti in tipa oblakov, saj 37 neposredno vplivata na napako pri določ anju razdalje do oblakov ter na možnost sledenja posameznih struktur. Izboljšali bi jo lahko z avtomatskim prepoznavanjem vzorcev, kar bi zmanjšalo napako meritve zaradi roč ne določ itve oznak, ter z optimizacijo dolžine č asovnih intervalov med zaporednimi posnetki. Literatura Brez avtorja (1896), Measurement of cloud heights and velocities, Popular Astronomy, vol. 4, pp.141-143. Chanin, M. L., Garnier, A., Hauchecorne, A., Porteneuve, J. (1989), A Doppler lidar for measuring winds in the middle atmosphere, Geophysical Research Letters, vol. 16, št. 11, http://dx.doi.org/10.1029/GL016i011p01273. He, T., Gao, F., Stanič , S., Veberič , D., Bergant, K., Dolžan, A., Song, X-Q. (2010), Scanning mobile lidar for aerosol tracking and biological aerosol identification, Proc. SPIE, 7832, 7832U 2010, http://dx.doi.org/10.1117/12.868387. Hooper, W. P., Eloranta, E. W. (1985), Lidar Measurements of Wind in the Planetary Boundary Layer: The Method, Accuracy and Results from Joint Measurements with Radiosonde and Kytoon, Journal of Climate and Applied Meteorology, vol. 25, July 1986, 990 - 1001. Kovalev, V.A., Eichinger, W.E. (2004 ). Elastic Lidar: Theory, Practice and Analysis Methods. John Wiley & Sons, New Jersey. Liu Z-H., Wu, D., Liu, J-T., Zhang, K-L., Chen, W-B., Song, X-Q., Hair, J. W., She, C-Y. (2002), Low-altitude atmospheric wind measurement from the combined Mie and Rayleigh backscattering by Doppler lidar with an iodine filter, Appl. Opt. 41, 7079-7086. Mayor, S. D., Eloranta, E. W. (2001), Two-Dimensional Vector Wind Fields from Volume Imaging Lidar Data. Journal of Applied Meteorology, vol. 40, August 2001, 1331 - 1346. Mole, M., Wang L., Stanič S., Bergant K., Eichinger W., Ocaæa F., Strajnar B., Škraba P., Vuč ković M., Willis W. (2016), Lidar measurements of Bora wind effects on aerosol loading, J.Quant. Spect. (In Press), http://dx.doi.org/10.1016/j.jqsrt.2016.05.020. Rakovec, J., Vrhovec, T. (2007), Osnove meteorologije za naravoslovce in tehnike. DMFA - založništvo, Ljubljana. Stein, A.F., Draxler, R.R., Rolph, G.D., Stunder B.J.B., Cohen M.D., Ngan F. (2015), NOAA’s HYSPLIT atmospheric transport and dispersion modeling system, Bull. Amer. Meteor. Soc., 96, 2059-2077, http://dx.doi.org/10.1175/BAMS-D-14-00110.1.