Deutsch
 
Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT

Freigegeben

Hochschulschrift

Global and regional gravity field recovery by combining satellite, air-shipborne and terrestrial gravimetry data

Urheber*innen
/persons/resource/biaolu

Lu,  B.
1.2 Global Geomonitoring and Gravity Field, 1.0 Geodesy, Departments, GFZ Publication Database, Deutsches GeoForschungsZentrum;

/persons/resource/flechtne

Flechtner,  Frank
1.2 Global Geomonitoring and Gravity Field, 1.0 Geodesy, Departments, GFZ Publication Database, Deutsches GeoForschungsZentrum;

Schuh,  Wolf-Dieter
External Organizations;

Becker,  Matthias
External Organizations;

Externe Ressourcen
Es sind keine externen Ressourcen hinterlegt
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte in GFZpublic verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Lu, B. (2019): Global and regional gravity field recovery by combining satellite, air-shipborne and terrestrial gravimetry data, PhD Thesis, Berlin : Technische Universität Berlin, 102 p.
https://doi.org/10.14279/depositonce-8592


Zitierlink: https://gfzpublic.gfz-potsdam.de/pubman/item/item_5000489
Zusammenfassung
One basic research field of geodesy or Earth system science is to develop and apply new methodologies and algorithms for gravity field modeling, in particular based on data from the dedicated satellite gravity missions Challenging Minisatellite Payload (CHAMP), Gravity Recovery and Climate Experiment (GRACE), Gravity field and steady-state Ocean Circulation Explorer (GOCE) and Gravity Recovery and Climate Experiment-Follow-on (GRACE-FO) as well as combined with ground gravity data (e.g., air-shipborne and terrestrial measurements). In this thesis, I investigated how to use GOCE Gravitational Gradients (GGs) to build global gravity field models based on the invariant theory. Compared to traditional methods, where these GGs are affected by attitude errors, Invariants of the Gravitational Gradient Tensor (IGGT) in combination with least squares adjustment avoid the problem of inaccurate rotation matrices. Satellite based global gravity field modeling can be improved by combination with terrestrial data as such from air- and shipborne gravimetry e.g. to fill gaps in the satellite data. This is another way to overcome the GOCE polar gap problem and is the background for my study on data processing strategies of air- and shipborne gravimetry. The first purpose of this investigation was preparation of future gravimetry campaigns especially in polar regions. The second scientific objective of this study was to overcome the polar gap problem by adding existing polar gravimetry data obtained by air and/or shipborne gravimetry. In this context, I did some methodological investigations based on airborne gravity measurements from the 2012 GEOHALO mission over Italy. I also did some investigations based on shipborne gravity measurements which are mainly from the project Finalising Surveys for the Baltic Motorways of the Sea (FAMOS). Both air-shipborne gravimetry studies and experiences of my thesis turned out to be very valuable for future gravimetry campaigns in areas with sparse gravity data or even gravity data gaps, e.g. polar areas. With the successful completion of European Space Agency (ESA)’s PolarGAP campaign, ground gravimetry data (gravity anomalies) are now available since 2018 for both polar regions. Therefore, it is now possible to overcome the polar gap problem by using real gravimetry data instead of some regularization methods. Furthermore, Variance Component Estimation (VCE) was applied to combine the normal equations from the gravity anomalies, from the GOCE GGs (e.g., IGGT_R1), from GRACE (e.g., ITSG-Grace2014s) and Kaula’s rule of thumb (higher degree/order parts) to build a global gravity field model called IGGT_R1C. This is the first time to essentially solve the GOCE polar gap problem by using real polar gravity data. One technical research domain of gravity field determination is to improve the calculation efficiency due to the huge amount of gravimetry observations, especially when computing high maximum degree/order (e.g., 240 or even higher) gravity field models with the least squares method. Considering this time-consuming task, a fast parallel algorithm was developed by combining Message Passing Interface (MPI) and Open Multi-Processing (OpenMP) technologies to calculate and invert normal equations for global and regional gravity field recovery.
Ein grundlegendes Forschungsgebiet der Geodäsie oder Erdsystemwissenschaft ist die Entwicklung und Anwendung neuer Technologien, Methoden und Algorithmen zur Modellierung des Gravitationsfeldes, insbesondere basierend auf Daten der speziellen Satelliten-Schwerefeldmissionen CHAMP (Challenging Minisatellite Payload), GRACE (Gravity Recovery and Climate Experiment), GOCE (GOCE) und GRACE-FO (GRACE-FO) als auch auf Kombination mit Boden-Schweremessdaten (z. B. mit Daten aus der Flug- und Schiffsgravmetrie sowie terrestrische Messungen). In dieser Arbeit habe ich untersucht, wie man GOCE-Gravitationsgradienten (GGs) zur Berechnung von globalen Schwerefeldmodellen verwenden kann, die auf der Theorie der Invarianten beruhen. Im Vergleich zu traditionellen Methoden, bei denen die GOCEGGs durch Orientierungsfehler beeinträchtigt sind, vermeidet man dieses Problem ungenauer Rotationsmatrizen bei der Anwendung von Invarianten des Gravitationsgradienten-Tensors (IGGT) in Verbindung mit der Ausgleichung nach kleinsten Quadraten. Die satellitengestützte globale Schwerefeldmodellierung kann durch die Kombination mit terrestrischen Daten aus der Luft- und Schiffsgravimetrie verbessert werden, z. B. um Lücken in den Satellitendaten zu schließen. Dies ist ein weiterer Weg, um das Problem der Datenlücken der GOCE-Mission an den Polen zu überwinden und bildet den Hintergrund für meine Studieüber Datenverarbeitungsstrategien der Flug- und Schiffsgravimetrie. Der erste Zweck dieser Untersuchung diente der Vorbereitung zukünftiger Gravimetrie-Messkampagnen, insbesondere in Polarregionen. Das zweite wissenschaftliche Ziel dieser Studie war es, das Problem der Datenlücke an den Polkappen durch Hinzufügen existierender Schweredatendaten aus der Luft- und/oder Schiffsgravimetrie zu überwinden. In diesem Zusammenhang habe ich einige methodische Untersuchungen durchgeführt, die auf Fluggravimetrie-Messungen der 2012 in Italien durchgeführten GEOHALO-Mission beruhen. In dieser Arbeit werden einige Untersuchungen vorgestellt, die auf Schiffsgravimetrie beruhen und hauptsächlich aus dem Projekt FAMOS (Finalising Surveys for the Baltic Motorways of the Sea) stammen. Die Flug- und Schiffsgravimetrie-Studien meiner Dissertation und die daraus gewonnenen Erfahrungen haben sich als wichtiger Beitrag für zukünftige Gravimetrie-Kampagnen in Regionen mit geringer Datendichte oder gar Datenlücken herausgestellt, z. B. für Polargebiete. Mit dem erfolgreichen Abschluss der PolarGAP-Kampagne der Europäischen Raumfahrtagentur ESA stehen seit 2018 Boden-Schweredaten (sog. Schwere-Anomalien) für beide Polarregionen zur Verfügung. Daher ist es nun möglich, das Problem der polaren Datenlücke anstelle mit Hilfe von Regularisierungsverfahren durch Nutzung echter gravimetrischer Daten zu überwinden. Darüber hinaus wurde eine Varianzkomponentenschätzung (Variance Component Estimation, VCE) angewendet, um die Normalgleichungen der Schwereanomalien, der GOCE-GGs (z.B. IGGT_R1) sowie von GRACE (z.B. ITSG-Grace2014s) und der KAULA-Regel (für höhere Grade und Ordnungen) zu kombinieren und das globale Schwerefeldmodell IGGT_R1C zu bilden. Dies ist das erste Mal, dass das Problem der polaren Lücken in den GOCE-Daten durch die Verwendung echter Schweredaten aus den Polargebieten im Wesentlichen gelöst wurde. Ein technisches Forschungsgebiet der auf der Methode der kleinsten Quadrate beruhenden Schwerefeldbestimmung ist die Verbesserung der Effektivität der Computer-Berechnungen wegen der sehr großen Menge von gravimetrischen Beobachtungen, insbesondere bei der Berechnung von Schwerefeldmodellen mit hohem maximalem Grad und Ordnung (z. B. 240 oder sogar höher). Um dieser zeitaufwendigen Aufgabenstellung Rechnung zu tragen, wurde ein schnelle parallelisierter Algorithmus entwickelt, bei dem die Techniken von MPI (Message Passing Interface) und OpenMP (Open Multi-Processing) kombiniert sind.