Titelaufnahme

Titel
Benchmark Quality Processing of Radio Occultation Data with Integrated Uncertainty Propagation
Weitere Titel
Benchmark Quality Processing of Radio Occultation Data with Integrated Uncertainty Propagation
Verfasser/ VerfasserinSchwarz, Jakob
Begutachter / BegutachterinKirchengast, Gottfried
ErschienenGraz, 2017
HochschulschriftKarl-Franzens-Universität Graz, Dissertation, 2017
Anmerkung
Arbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprüft
Abweichender Titel laut Übersetzung des Verfassers/der Verfasserin
DokumenttypDissertation
URNurn:nbn:at:at-ubg:1-116415 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Benchmark Quality Processing of Radio Occultation Data with Integrated Uncertainty Propagation [14.38 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Aufgrund der spezifischen Eigenschaften der Methode der GNSS Radio-Okkultation (RO) haben RO Beobachtungen das Potenzial Klimadaten in Referenz-Qualität zur Verfügung zu stellen. RO Messungen zeichnen sich durch hohe Genauigkeit, Langzeitstabilität und globale Abdeckung aus. Wesentliche Klimavariablen (ECVs) bezüglich des thermodynamischen Zustandes der freien Atmosphäre können davon abgeleitet werden. Diese ECVs, nämlich vertikale Druck-, Temperatur- und Feuchteprofile, werden mithilfe eines Prozessierungssystems aus den RO Rohdaten errechnet. Um Referenz-Klimabeobachtungen bereitstellen zu können, muss die Genauigkeit der Prozessierung sehr hoch sein. Verbleibende Unsicherheiten müssen quantifiziert und von den Rohdaten durch die gesamte Prozessierungskette bis zu den ECVs fortgepflanzt werden. Das neue Referenz-Okkultations-Prozessierungssystem (rOPS) am Wegener Center hat zum Ziel, eine solche hoch genaue Prozessierung mit integrierter Unsicherheitsfortpflanzung zu realisieren.Diese Dissertation hat zur Entwicklung und rOPS Implementierung von Algorithmen beigetragen, um Unsicherheitsprofile zuerst von Exzess-Phasen zu Brechungswinkeln, dann über Refraktivitäten zu trockenen Parametern, und letztlich mithilfe externer Zusatzinformationen zu den thermodynamischen ECVs fortzupflanzen. Im Rahmen der Dissertation wurden die Algorithmen zur Fortpflanzung von Profilen zufälliger und systematischer Unsicherheiten, vertikaler Korrelationen, vertikaler Auflösung, und dem Gewichtungsverhältnis zwischen Messung und Zusatzinformation entwickelt und implementiert.Die korrekte Berechnung der Resultate der Fortpflanzung wurden mittels Monte-Carlo Validierung unabhängig geprüft. Die Robustheit des Algorithmus wurde durch Prozessierung von realen Messdaten für verschiedene RO Satellitenmissionen demonstriert. Diese Dissertation trägt damit zur Etablierung der Referenzfähigkeit des rOPS bei, zum Nutzen der Klimabeobachtung und anderer Anwendungen.

Zusammenfassung (Englisch)

GNSS radio occultation (RO) observations have the potential to provide climate data records of benchmark quality, due to the unique properties of the RO technique. RO records are highly accurate, long-term stable, globally available and provide Essential Climate Variables (ECVs) for the thermodynamic state of the free atmosphere. These ECVs, pressure, temperature and tropospheric water vapor profiles, can be derived from the raw RO observations through an atmospheric profiles retrieval chain. To realize the climate benchmark potential, these RO retrievals need to be very accurate and the remaining uncertainties quantified and traced throughout the retrieval chain from raw observations to the ECVs. The new Reference Occultation Processing System (rOPS) at the Wegener Center aims to deliver such an accurate chain with integrated uncertaintypropagation.This thesis contributed to the development and implementation of algorithms in the rOPS to propagate uncertainty, first, from RO excess phase profiles to atmospheric bending angle profiles, then further through refractivity to dry-air profiles, and finally, using also background profiles, to moist-air thermodynamic profiles (the ECVs). In the context of this thesis, propagation of estimated systematic and random uncertainties, vertical error correlations and resolution estimates, and also observation-to-background weighting ratio profiles was implemented into the rOPS retrieval chain.Results from the implemented covariance propagation were validated using Monte Carlo ensemble methods. The algorithm performance was demonstrated by test-day ensembles of simulated and real RO event data from the satellite missions CHAMP, COSMIC, and MetOp, which show that the new uncertainty estimation chain performs robustly and delivers reliable results. This thesis thus contributes to establishing the benchmark capability of the rOPS for the benefit of climate change monitoring and other applications.