Zur Seitenansicht
 

Titelaufnahme

Titel
Bayesian Retrieval of thermodynamic atmospheric profiles from ground-based microwave radiometer data / by Christopher Polster
VerfasserPolster, Christopher
Betreuer / BetreuerinRotach, Mathias
ErschienenInnsbruck 2016-08-12
Umfang80 Seiten : Illustrationen, Karten
HochschulschriftUniversität Innsbruck, Univ., Masterarbeit, 2016
Datum der AbgabeAugust 2015
SpracheEnglisch
DokumenttypMasterarbeit
Schlagwörter (DE)Optimale Abschätzung / Variationelle Methode / Mikrowellenradiometer / Lineare Regression / Bayessche Statistik / Strahlungstransportmodell / Automatisches Differenzieren / Fernerkundung / Temperaturprofil / Temperaturinversion / Grenzschicht
Schlagwörter (EN)Optimal Estimation / Variational Method / Microwave Radiometer / Retrieval / Linear Regression / Bayesian Statistics / Radiative Transfer Model / Automatic Differentiation / Remote Sensing / Temperature Profile / Temperature Inversion / Boundary Layer
Schlagwörter (GND)Innsbruck / Wettervorhersage / Bayes-Regel / Strahlungstransport / Lineare Regression
URNurn:nbn:at:at-ubi:1-4496 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Bayesian Retrieval of thermodynamic atmospheric profiles from ground-based microwave radiometer data [1.07 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Boden-basierte Mikrowellenradiometer werden in den Atmosphärenwissenschaften zunehmend verwendet um vertikale Informationen über Temperatur, Feuchte und Wolken zu erfassen. Solche Informationen sind für Grenzschichtforschung und Wettervorhersage wertvoll und es werden Anstrengungen unternommen, Beobachtungen von Mikrowellenradiometern in numerische Wettervorhersagemodelle zu assimilieren. Mehrere Methoden existieren um solche Information zu erhalten. Sie unterscheiden sich in Anforderungen an die Ausgangsdaten, der Benutzerfreundlichkeit und Flexibilität Messungen anderer Sensoren zu integrieren.

Eine lineare Regressions- und Optimale Abschätzungstechnik wurden als Teil dieser Arbeit implementiert. Sie werden von einem Bayesschen Standpunkt hergeleitet und wichtige Merkmale dieser Methoden werden diskutiert. Schließlich wird deren Genauigkeit anhand von Radiosondendaten und Radiometermessungen aus Innsbruck evaluiert. Standardabweichungen von Temperaturprofilen aus optimaler Abschätzung, welche Vorhersagen eines numerischen Wettervorhersagemodells integrieren, betragen weniger als 1.2 K in der gesamten Troposphäre. Die ungenauste Region befindet sich zwischen 1.5 und 3 km über Grund. In diesen Höhen sind die numerischen Vorhersagen nicht so genau wie in der oberen Troposphäre und der Informationsgehalt des Radiometers hat im Vergleich zur unteren Atmosphäre schon substantiell abgenommen. Die Methode hat daher Probleme in dieser Region hohe Genauigkeit zu erreichen.

Zwei Fallstudien zeigen, dass das optimale Abschätzungsschema vielversprechend zur Erfassung von Temperaturinversionen ist, welche ein häufig studiertes Problem in der Mikrowellenradiometerliteratur sind. Ein Experiment zeigt, dass die Qualität der Ausgangsinformationen, insbesondere deren Vermögen die Grundzüge des Zustands der Atmosphäre abzubilden, großen Einfluss auf die Genauigkeit der Methode hat. Die Ausgansinformationen sind daher ein guter Ausgangspunkt für die Verbesserung der Genauigkeit.

In der Arbeit wird auch ein Prototyp eines numerischen Strahlungstransportmodells für die Mikrowellenregion präsentiert. Dieser ist eine minimalistische Implementation in einer höheren Programmiersprache und fähig Linearisierungen von sich selbst mithilfe von automatischem Differenzieren zu berechnen. Das Modell wird als ausreichend genau für die Nutzung mit den vorgestellen Methoden befunden.

Zusammenfassung (Englisch)

Ground-based microwave radiometers are increasingly used in the atmospheric sciences to retrieve vertical temperature, humidity and cloud information. Such information is valuable for boundary layer research and weather forecasting and efforts are undertaken to assimilate microwave radiometer observations into numerical weather prediction models. Multiple methods exist to perform the retrieval, differing in their data requirements, ease of use and flexibility to include measurements from sensors other than the radiometer.

A linear regression and an optimal estimation technique have been implemented as part of this thesis. They are derived from a Bayesian standpoint and important properties of these methods are discussed. Finally, their accuracy is evaluated with data from radiosoundings and radiometer measurements in Innsbruck. Standard deviations of temperature retrievals from an optimal estimation scheme incorporating forecasts from a numerical weather prediction model are found be be less than 1.2 K throughout the troposphere. The least accurate region is located between 1.5 and 3 km above ground level. At these heights the numerical forecasts are not as accurate as in the upper troposphere and the information content of the radiometer has already decreased substantially compared to the lower atmosphere therefore the retrieval scheme struggles to perform well.

Two case studies reveal that the optimal estimation scheme is promising for the retrieval of temperature inversions which are an often studied problem of microwave radiometer retrieval. An experiment shows that the quality of a-priori information, particularly its capability of providing a description of the features that an atmospheric state exhibits, has much influence on the accuracy of retrieved vertical profiles. The a-priori information are therefore a good place to start when trying to improve the retrieval performance.

Also presented in this thesis is a prototype of a numerical radiative transfer model for the microwave region. It is a minimalistic implementation in a high-level programming language and able to calculate linearizations of itself by utilizing automatic differentiation. The model is found to be sufficiently accurate for use in retrieval applications.