Titelaufnahme

Titel
Trends of atmospheric water vapor from VLBI and GPS / von Patrick Greimeister
Weitere Titel
Bestimmung des Wasserdampfgehalts mit VLBI und GPS
VerfasserGreimeister, Patrick
Begutachter / BegutachterinBöhm, Johannes ; Landskron, Daniel
ErschienenWien, 2016
Umfangxii, 93 Blätter : Illustrationen, Diagramme, Karten
HochschulschriftTechnische Universität Wien, Diplomarbeit, 2016
Anmerkung
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
Zusammenfassung in deutscher Sprache
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (DE)Wasserdampf / GNSS / VLBI / Klima
Schlagwörter (EN)Water Vapour / GNSS / VLBI / Climate
URNurn:nbn:at:at-ubtuw:1-92073 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Trends of atmospheric water vapor from VLBI and GPS [12.59 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Die Variabilität des Wasserdampfgehalts spielt eine wichtige Rolle bei der Bestimmung der Verzögerung eines Signals während seiner Ausbreitung durch die Atmosphäre. Die Verzögerung durch die neutrale Atmosphäre kann in einen hydrostatischen und feuchten Anteil aufgeteilt werden. Letzterer kann in ausfällbares Wasser umgewandelt werden und dessen Änderung gilt als Indikator für den Klimawandel. In dieser Arbeit werden lange Zeitreihen des Feuchtanteils troposphärischer Verzögerungen in Zenitrichtung aus drei verschiedenen Quellen berechnet und miteinander verglichen. Der für die Analyse gewählte Zeitrahmen ist von 1985 - 2014, einschließlich Daten von mehreren Stationen mit unterschiedlicher Messaktivität und damit variierender Datenverfügbarkeit. Für die Analyse werden 18 Very Long Baseline Interferometry (VLBI) Stationen und acht Global Positioning System (GPS) Stationen verwendet, die sich in der Nähe von den VLBI- Stationen befinden. Als Vergleich werden auch Daten aus Raytracing durch numerische Wettermodelle, die mit der Vienna Mapping Function 1 (VMF1) zur Verfügung gestellt werden, verwendet. Die mit der Vienna VLBI Software (VieVS) verarbeiteten Daten zeigen eine zufriedenstellende Korrelation zueinander mit den verschiedenen Druck Inputs, wohingegen die Ergebnisse von VMF1 und GPS einander widersprechen. Die Daten, die von VMF1 unter Verwendung von operationellen Numerischen Wettermodellen (NWM) erhalten wurden, zeigen, dass diese Art von Daten nicht ideal ist, um einen Trend über viele Jahre zu bestimmen. Für eine Trendanalyse wären Re-Analysedaten besser geeignet, aber diese sind nicht immer verfügbar. Die GPS-Daten sind begrenzt durch ihre kurze Beobachtungszeit von nur zwölf Jahren. Auch die VLBI-Daten, mit Druckwerten aus in-situ-Drucksätzen zeigen unsichere Ergebnisse, vor allem bei der Station Zelenchukskaya. Ausreißer und fehlende Werte wurden korrigiert, aber weitere undetektierte Offsets könnten die Qualität der Ergebnisse noch weiter beeinflussen. Die Ergebnisse zeigen einen weltweiten Anstieg des Zenith Wet Delay (ZWD) von 0.1 mm/Jahr (einzelne Ergebnisse im Bereich von -0.5 bis 0.4 mm/Jahr) mit allen Stationen oder einen Rückgang von -0.02 mm/Jahr (einzelne Ergebnisse im Bereich von -0.5 bis 0.2 mm/Jahr) ohne Einbeziehung der Station Zelenchukskaya. Die Trends für einzelne Stationen liegen im Bereich von -0.9 bis 1.7 mm/Jahr oder -0.9 bis 0.3 mm/Jahr ohne Einbeziehung der Station Zelenchukskaya und ergeben mit wenigen Ausnahmen weitgehend realistische Ergebnisse. Im Allgemeinen sind Trends des ZWD, trotz aller möglichen Fehler in den Daten, sichtbar. Trotzdem ist noch mehr Forschung notwendig um zufriedenstellende und übereinstimmende Ergebnisse aller Methoden zu erhalten. Auch der Nachweis möglicher unentdeckter Offsets ist wichtig, um einen negativen Einfluss auf das Ergebnis zu vermeiden. Für zukünftige Studien sollte die Verwendung längerer Zeitreihen berücksichtigt werden, um die Ergebnisse weiter zu verbessern.

Zusammenfassung (Englisch)

Variability in water vapor plays an important role in determining how much a signal gets delayed during the propagation through the atmosphere. This delay through the neutral atmosphere can be split up into a hydrostatic and a wet part. The latter can also be converted into precipitable water and its variation is an indicator for climate change. In this thesis, a long time series of tropospheric wet delays in zenith direction is computed from three different sources and compared to each other. The time frame chosen for the analysis is from 1985 - 2014, including data from a number of stations with different measuring activity and therefore varying data availability. Eighteen Very Long Baseline Interferometry (VLBI) stations and eight Global Positioning System (GPS) stations, co-located with the VLBI stations, are used for the analysis. Data from ray-tracing through numerical weather models (NWM) with operational data, available with the Vienna Mapping Function 1 (VMF1), are used for comparison as well. The data processed with the Vienna VLBI Software (VieVS) show a satisfying correlation with different pressure inputs, whereas the results obtained from VMF1 and GPS are contradicting. The data obtained from VMF1, using operational NWM data, shows that this kind of data is not ideal for determining a trend over many years. For a trend analysis, reanalysis data would be better suitable but is not always available. The GPS data have their limit in the small observation time span of only twelve years. The VLBI data using pressure values from in-situ pressure records, show quite uncertain results, especially at the station Zelenchukskaya. Outliers and missing values have been corrected for, but could still influence the quality of the results, as well as random errors. The results with all methods show a worldwide increase in the zenith wet delay (ZWD) of 0.1 mm/year (single solutions ranging from -0.5 to 0.4 mm/year) averaged over all stations or a decrease of -0.02 mm/year (single solutions ranging from -0.5 to 0.2 mm/year) when excluding the station Zelenchukskaya. The ZWD trends for single stations (averaged over all methods) range from -0.9 to 1.7 mm/year or -0.9 to 0.3 when excluding the station Zelenchukskaya, yielding mostly realistic results with a few exceptions. In general, there is a common pattern visible, even with all the possible errors in the data, but more research is needed to get conclusive and congruent results across all methods. Also the detection of potential remaining offsets is important to avoid a negative influence on the result. For future studies, the usage of longer time series should be considered in order to further improve the reliability of the trends.