Titelaufnahme

Titel
Model improvements and error characterization for global ERS and METOP scatterometer soil moisture data / von Vahid Naeimi
VerfasserNaeimi, Vahid
Begutachter / BegutachterinWagner, Wolfgang
Erschienen2009
UmfangXI, 121 Bl. : Ill., graph. Darst., Kt.
HochschulschriftWien, Techn. Univ., Diss., 2009
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)Scatterometer / Bodenfeuchte / ERS / Metop / Fehleranalyse / Fehlerfortpflanzung
Schlagwörter (EN)scatterometer / soil moisture / ERS / Metop / uncertainty analysis / error propagation
Schlagwörter (GND)Bodenfeuchte / Scatterometer / Fernerkundung / Algorithmus / Parametrisierung / Fehleranalyse
URNurn:nbn:at:at-ubtuw:1-27314 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Model improvements and error characterization for global ERS and METOP scatterometer soil moisture data [19.11 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Bodenfeuchte ist eine wichtige Variable im hydrologischen Zyklus. Die Verbindung zwischen Energie- und Wasserhaushalt ist durch den Feuchtigkeits- und Temperaturzustand des Bodens an der Bodenoberfläche und Atmosphäre gegeben. Die Entwicklung von Bodenfeuchtedaten ist wichtig für die numerische Wettervorhersage und Klima-Modellierung. Die Kenntnis über die Verteilung der Bodenfeuchte ist essentiell für die Vorhersage des gegenseitigen Einflusses von Prozessen an der Bodenoberfläche (wie z.B. Evaporation, Infiltration und Abfluss) auf Wetter und Klima. Aufgrund der hohen Variabilität der Bodenfeuchte in Raum und Zeit, ist eine gute Raum-Zeit-Darstellung der Bodenfeuchte recht anspruchsvoll. In-situ Beobachtungsverfahren der Bodenfeuchte sind hinreichend genau, aber recht kostspielig. Ein weiteres Problem mit in-situ Messungen im Feld ist die Tatsache, dass diese in der Regel Punktmessungen sind und nur eine kleine Maßstabsskala abdecken. Aufgrund der engen Verbindung zwischen Wasser und den dielektrischen Eigenschaften des Bodens haben Mikrowellen-Fernerkundungsmethoden das Potenzial, die Grenzen der traditionellen Methoden zu überwinden, und darüber hinaus flächenhafte Messungen mit globaler Abdeckung und häufigeren Beobachtungen anzubieten. Gleichbedeutend mit einer Verbesserung der Instrumente und Fernerkundungstechniken sind die geophysikalischen Methoden, die verwendet werden, um die Dynamik der Bodenfeuchte aus den gemessene Mikrowellensignalen zu extrahieren.

Die Scatterometer an Bord der Europäischen Fernerkundungssatelliten ERS und MetOp haben sich als nützlich für die Überwachung der Bodenfeuchte erwiesen. Das Ziel dieser Dissertation war die Entwicklung eines verbesserten Algorithmus zur Ableitung von Bodenfeuchte, basierend auf der so genannten "TU-Wien Change Detection" Methode mit einer neuen Parametrierung und Fehleranalyse. Der neue Algorithmus, WARP5 ("WAter Retrieval Package"), führt zu einem robusteren und räumlich einheitlicheren Bodenfeuchteprodukt mit einer höheren Auflösung als mit der früheren Methode (WARP4). Eine Gegenüberstellung von WARP4 und WARP5 Datensätzen mit Feldbeobachtungen und mit modellierten Bodenfeuchtedaten zeigt, dass der neue Algorithmus über eine bessere Leistung verfügt und Fehler in bestimmten Bereichen wirksam korrigiert. Parallel zur Ableitung der Bodenfeuchte wurde eine umfassende Fehleranalyse durchgeführt. Diese Fehleranalyse besteht aus einer Kombination von analytischer Fehlerfortpflanzung und einer numerische Lösung auf Basis einer Monte-Carlo-Simulation. Das Verständnis von Fehlern und deren Abschätzung in jedem Verarbeitungsschritt der Methode stellt einen wertvollen Beitrag für die optimale Bestimmung der Bodenfeuchte und auch für wissenschaftliche Anwendungen, insbesondere für die Datenassimilation, dar.

Zusammenfassung (Englisch)

Soil moisture is a key variable in the hydrologic cycle. The linkage between energy and water balance is provided through the moisture and temperature states of the soil at the soil surface/atmosphere interface. The evolution of soil moisture fields is important for numerical weather and climate models. Adequate knowledge of the soil moisture distribution is essential to predicting the mutual influence of land surface processes (e.g. evaporation, infiltration, and runoff) to weather and climate. Due to the high variability of soil moisture in time and space, a good spatio-temporal representation of the soil wetness conditions is demanding. In-situ ground observation methods of soil moisture are reasonably accurate but expensive. The other problem with in-situ measurements is that they are generally point measurements and represent small scale. Thanks to a strong relationship between water content and dielectric properties of soil, microwave remote sensing techniques have the potential to overcome the limitations of traditional methods providing areal measurements with global coverage and more frequent observations. Equally important to improved instrumentation and remote sensing techniques are the geophysical retrieval methods, which are used to extract soil moisture dynamics from microwave signal.

The scatterometers onboard the ERS and Metop satellites have been shown to be useful for monitoring soil moisture variations. The objective of thesis was to develop an improved soil moisture retrieval algorithm based on the so-called TU-Wien change detection method with new parameterization comprising an error analysis. The new algorithm, WARP5 (WAter Retrieval Package) results in a more robust and spatially uniform soil moisture product with a higher resolution than the earlier method (WARP4). Cross-comparisons of WARP4 and WARP5 datasets with field observations and also with modeled soil moisture data show that the new algorithm has a better performance and effectively corrects retrieval errors in certain areas. Parallel to soil moisture retrieval, a comprehensive uncertainty analysis is carried out. Uncertainty modeling is composed of a combined analytical error propagation and a numerical solution based on Monte Carlo simulation. Understanding the uncertainties in each processing step of the retrieval model is valuable for optimal soil moisture estimation and also for scientific applications especially for data assimilation.