Titelaufnahme

Titel
Externe troposphärische Korrekturen in der geodätischen VLBI / Matthias Madzak
VerfasserMadzak, Matthias
Begutachter / BegutachterinBöhm, Johannes ; Nafisi, Vahab
Erschienen2011
UmfangGetr. Zählung : graph. Darst., Kt.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2011
Anmerkung
Zsfassung in engl. Sprache
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)VLBI / Troposphäre / Korrekturen / externe Datensätze
Schlagwörter (EN)VLBI / troposphere / corrections / external files
URNurn:nbn:at:at-ubtuw:1-41060 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Externe troposphärische Korrekturen in der geodätischen VLBI [4.3 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Die Modellierung der troposphärischen Laufzeitverzögerungen von Mikrowellen, wie sie in der Very Long Baseline Interferometry (VLBI) oder den Global Navigation Satellite Systems (GNSS) empfangen werden, ist ein kritischer Faktor für die Genauigkeit dieser geodätischen Weltraumverfahren. In der vorliegenden Arbeit wurden fünf verschiedene Modellansätze miteinander verglichen, indem sie bei der Auswertung der VLBI Beobachtungen einer speziellen 15-tägigen Kampagne im August 2008 verwendet wurden. Als Genauigkeitskriterium diente die Wiederholbarkeit von Basislinienlängen, geschätzt aus 15 täglichen Lösungen. Die Analyse mit der Vienna VLBI Software (VieVS) wurde insofern geändert, als die troposphärischen Laufzeitverzögerungen erstmals aus externen Datensätzen eingelesen wurden. Diese Vorgehensweise ermöglichte das Anbringen von Laufzeitverzögerungen aus direktem Raytracing, und sie erlaubt in Zukunft die Austauschbarkeit von Modelldaten verschiedener Analysezentren. Im ersten Ansatz wurden hydrostatische Laufzeitverzögerungen als Produkt von hydrostatischen Laufzeitverzögerungen in Zenitrichtung (Zenitdelays) aus 6-stündigen Daten des European Centre for Medium-Range Weather Forecasts (ECMWF) mit den hydrostatischen Vienna Mapping Functions 1 (VMF1, ebenfalls basierend auf 6-stündigen Daten des ECMWF) gebildet, und feuchte Laufzeitverzögerungen in Zenitrichtung wurden in VieVS mit der feuchten VMF1 geschätzt. Im zweiten Ansatz wurden zusätzlich bereits a priori Laufzeitverzögerungen aufgrund des feuchten Anteils der Troposphäre addiert, ebenfalls basierend auf Daten des ECMWF, die Schätzung der restlichen Zenitdelays erfolgte wiederum mit der feuchten VMF1. Das dritte Modell unterschied sich insofern vom ersten Ansatz, als die hydrostatischen Laufzeitverzögerungen in Zenitrichtung aus tatsächlich an der Station gemessenen Druckwerten (für jede Beobachtung vorhanden) berechnet wurden. Im vierten Ansatz wurden hydrostatische Zenitdelays aus Druckwerten des empirischen Modells Global Pressure and Temperature (GPT) berechnet, und sowohl deren Projektion als auch die Schätzung der feuchten Zenitdelays erfolgte mit den empirischen Global Mapping Functions (GMF). Im fünften Ansatz schließlich wurde für jede Beobachtung eine eigene Strahlverfolgung (Raytracing) durch hochaufgelöste Daten des ECMWF berechnet, um die Laufzeitverzögerungen zu erhalten. Basierend auf den Wiederholbarkeiten der Basislinienlängen kann man die Ergebnisse folgendermaßen zusammenfassen: Raytracing bestimmt die Laufzeitverzögerungen entweder sehr gut oder sehr schlecht, denn 44% der Basislinienlängen werden damit am besten modelliert, 33% allerdings am schlechtesten. Trotz der geringen Unterschiede der restlichen, auf tatsächlichen Wetterdaten basierenden Modelle, liefern doch die Druckmessungen an der Station bessere Ergebnisse als jene Ansätze, bei denen hydrostatische Zenitdelays aus 6-stündigen Daten des ECMWF berechnet worden sind. 33 von 55 Basislinien erreichen ohne Berücksichtigung von Raytracing mit den Druckmessungen an der Station die besten Wiederholbarkeiten. Wie zu erwarten liefern die rein empirischen Modelle GPT und GMF die schlechtesten Ergebnisse, denn diese Modelle beinhalten keine tatsächlichen Wetterdaten sondern beschreiben nur dessen mittleres Verhalten.

Zusammenfassung (Englisch)

Modeling tropospheric path delays of microwaves which are received in Very Long Baseline Interferometry (VLBI) and Global Navigation Satellite Systems (GNSS) is a critical factor for the accuracy of space geodetic techniques. This study compares five models by using their path delays in the analysis of a campaign of 15-days continuous observations in august 2008. Baseline length repeatabilities, calculated from the 15 daily solutions are used to make quantitative statements about the models. The Vienna VLBI software (VieVS) was modified in order to read in path delays from external files. This allows the use of raytraced delays and facilitates the exchange of model data between different analysis centers. The first model uses the product of hydrostatic zenith delays from six-hourly data from the European Centre for Medium-Range Weather Forecasts (ECMWF) and the hydrostatic Vienna Mapping Function 1 (VMF1, based also on six-hourly data from the ECMWF). Wet zenith delays are estimated using the wet VMF1 in the analysis. The second model adds a priori wet zenith delays based again on the data from the ECMWF. The final estimation is again based on the wet VMF1. The third model uses the same mapping function as the first model but calculates the hydrostatic zenith delay from pressure measurements at the site, which are available for all observations. The fourth model obtains pressure values from the empirical model Global Pressure and Temperature (GPT), the empirical model Global Mapping Function (GMF) is used for the mapping function and the estimation of the wet zenith delay. Finally, for the fifth approach path delays are calculated by raytracing through weather data from the ECMWF.

To sum up, the following results, based on baseline length repeatabilities were found: Raytracing (model five) models the path delays either very well or very badly. 44% of all baselines show the highest, 33% the lowest accuracy with the raytracing model compared to the four other models. The remaining three models based on real weather data show comparable results with pressure measurements at the site being better than those which use the six-hourly data sets from the ECMWF. Without considering raytracing 33 of 55 baselines were modeled best using pressure measurements at the site. The model based on the empirical models GPT and GMF show the worst results as expected, since these models do not contain real weather data but just describe their behavior.