Titelaufnahme

Titel
Estimation of error structures in remotely sensed soil moisture data sets / von Dipl.-Ing. Alexander Gruber
VerfasserGruber, Alexander
Begutachter / BegutachterinWagner, Wolfgang ; Dorigo, Wouter Arnoud
ErschienenWien, März 2016
Umfangxxii, 88, 3 Seiten : Diagramme, Karten
HochschulschriftTechnische Universität Wien, Univ., Dissertation, 2016
Anmerkung
Zusammenfassung in deutscher Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)Fernerkundung / Fehlercharakterisierung / Bodenfeuchte
Schlagwörter (EN)Remote Sensing / Error Characterisation / Soil Moisture
Schlagwörter (GND)Bodenfeuchte / Satellitenfernerkundung / Messung / Fehlerabschätzung
URNurn:nbn:at:at-ubtuw:1-2219 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Estimation of error structures in remotely sensed soil moisture data sets [4.99 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Bodenfeuchte ist einer der wichtigsten Treiber im globalen Wasserkreislauf. Globale Bodenfeuchtemessungen sind daher unerlässlich um hydrologische Phänomene im System Erde wie den Klimawandel, Vegetationswachstum und andere zu erforschen. Die Wichtigste Quelle solcher Daten sind satellitengestützte Mikrowellensysteme, allerdings unterliegen die damit gewonnenen Beobachtungen diversen Ungenauigkeiten. Die korrekte Interpretation und Nutzung solcher Daten erfordert daher ein umfassendes Verständnis und die Kenntnis um ihre Fehler. Die sogenannte Triple Collocation (TC) Analyse ist eine Methode zur individuellen Schätzung der Signal- und Fehlervarianzen von drei Datensätzen mit untereinander unkorrelierten Fehlern, ohne dabei einen hochgenauen Referenzdatensatz zu benötigen. Sie ist daher eine der wichtigsten Methoden zur Schätzung von Fehlerstrukturen in satellitenbasierten Bodenfeuchtedaten. Das volle Potential der Methode ist jedoch noch nicht voll ausgeschöpft und nach wie vor Gegenstand aktueller Forschung. Allerdings basiert die Methode auf einigen Annahmen über die Struktur der zu Grunde liegenden Daten, deren Gültigkeit ebenfalls noch nicht ausreichend untersucht wurde. Ziel dieser Arbeit ist die Weiterentwicklung der TC Methode für eine verbesserte und vollständigere Beschreibung der Fehlerstrukturen von satellitenbasierten Bodenfeuchtemessungen. Bestehende Implementierungen der Methode werden Begutachtet, die zugrunde liegenden Annahmen evaluiert und die Methode erweitert beziehungsweise generalisiert zum Zwecke einer objektiveren Schätzung der Datenqualität von Bodenfeuchteprodukten, sowie zur Schätzung von räumlichen Fehler Autokorrelationsstrukturen und Fehler Kreuzkorrelationsstrukturen.

Zusammenfassung (Englisch)

Soil moisture is one of the most important drivers of the hydrological cycle. Therefore, global soil moisture records are needed to study hydrology driven phenomena of the earth system such as climate change, vegetation growth, and many others. The most important sources for global soil moisture records are space borne microwave instruments. However, such satellite-derived soil moisture products are subject to errors and their correct interpretation and application requires an in-depth understanding of their accuracy. Triple collocation (TC) analysis is a method for estimating the individual signal- and random error variances of three collocated data sets with mutually uncorrelated errors without relying on a high-quality reference data set. It has therefore evolved as one of the most important methods for estimating error structures in remotely sensed soil moisture data sets. Nevertheless, the exploitation of the full potential of the TC method is still subject to ongoing research. On the other hand, TC analysis is based on a variety of assumption on the structure of the underlying data sets whose validity hasn't been fully investigated yet. This thesis further develops the TC method, aiming for an improved and more complete estimation of error structures in remotely sensed soil moisture data sets. Existing TC implementations are reviewed, assumptions underlying the method are evaluated, and novel generalizations and extensions to the method are proposed, which allow for a more objective interpretation of soil moisture data quality as well as for the additional estimation of spatial error auto-correlation and mutual error cross-correlation structures.