Abstract
Global Navigation Satellite System Reflectometry (GNSS-R) is a novel remote sensing technique that exploits the GNSS signals after being reflected off the Earth's surface. Monitoring of ocean wind is one of the applications and the main objective of recently launched satellite missions. This thesis aims at the development and characterization of these geophysical data products.
Using the UK TechDemoSat-1 (TDS-1) measurements, a GNSS-R wind speed dataset is developed. The resulting data are evaluated in comparison to those obtained from the Advanced Scatterometer (ASCAT). Wind field estimates of European Centre for Medium-range Weather Forecasts (ECMWF) reanalysis-Interim (ERA-Interim) and in situ observations from the Tropical Atmosphere Ocean (TAO) buoy array in the Pacific are taken as reference. The evaluation using ECMWF winds results in a root-mean-squared error (RMSE) and bias of 2.77 and -0.33 m/s, being comparable to those derived from ASCAT estimates, as large as 2.31 and 0.25 m/s, respectively. The derived winds show a higher level of robustness against rain with an RMSE and bias of 2.94 and -0.21 m/s over oceans under precipitations, in comparison to those obtained from ASCAT measurements, which are 3.16 and 1.03 m/s, respectively. Nonetheless, the BRCS reduces to lower values during rain events at low wind speeds.
The signal attenuation by rain is investigated simulating GNSS-R delay-Doppler maps at different rain rates and reflection geometries. It is shown that the resulting bias is smaller than approximately 0.35 m/s (1%) at a wind speed of 30 m/s and an incidence angle of 30 degrees. At the same wind speed and incidence angle, the examination reports that a continuous rain at every cell of the signal propagation path, at rates of 10, 15 and 20 mm/h, could lead to overestimation of wind speed not larger than 0.65 m/s (2%), 1.00 m/s (3%), and 1.3 m/s (4%), respectively. It is concluded that rain attenuation is ignorable within the current GNSS-R applications.
Despite a commonly made conclusion that the scatterometric GNSS‐R measurements are not sensitive to the small-scale waves generated by raindrops, this study presents the first evidence that the BRCS is reduced due to rain splash at weak winds, lower than approximately 6 m/s. The decrease in the BRCS derived from TDS-1 measurements is as large as approximately 0.7 dB at the wind speed of 3 m/s due to precipitation at smaller rates than 2 mm/hr. The simulations based on the recently proposed model approves that the rainsplash decreases the BRCS value at low wind speeds. The observed signature could potentially enable the GNSS‐R technique to detect precipitation over oceans after the further characterization studies recommended in this thesis.
A model based on the feedforward neural networks is determined to invert the measurements to wind speed. The model results in a significant general improvement of 20% in the RMSE in comparison to the retrieval algorithm deployed initially. The advantages, leading to the achieved improvement, are discussed including the ability to model the effect of the different levels of the Effective Isotropic Radiated Power (EIRP) of GPS satellites. The derived Mean Absolute Error (MAE) of the satellite with Space Vehicle Number (SVN) of 34 is decreased by 32%.
Finally, using CYclone GNSS (CYGNSS) measurements, the first satellite constellation fully dedicated to GNSS-R since December 2016, a signature of ocean mesoscale eddies is demonstrated. The Normalized BRCS (NBRCS) behaves conditionally with distinguishable fluctuations, either over the eddy center or in the edges. Statistical analyses are carried out which report that 28.6% of the CYGNSS measurement tracks show a correlation coefficient of 0.7 or more with the two observed patterns over the eddies. Using ancillary data, a strong inverse correlation of NBRCS with sensible heat flux and surface stress in specific conditions is demonstrated.
Global Navigation Satellite System -Reflektometrie (GNSS-R) ist eine innovative Fernerkundungsmethode, welche GNSS-Signale nutzt, die von der Erdoberfläche reflektiert werden. Die Überwachung von Ozeanwinden auf globaler Skala ist eine Hauptanwendung und Missionsziel verschiedener kürzlich gestarteter Satelliten. Diese Doktorarbeit hat die Entwicklung und Charakterisierung von geophysikalischen GNSS-R-Datenprodukten zum Inhalt.
Basierend auf TechDemoSat-1 (TDS-1)-Messungen wird ein GNSS-R-Windgeschwindigkeitsdatensatz erstellt. Die Ergebnisse werden mit Daten vom Advanced Scatterometer (ASCAT) verglichen. Zusätzlich werden Windfeldschätzungen von ERA-Interim (ECMWF, European Centre for Medium-Range Weather forecasts Reanalysis-Interim) und In-situ-Beobachtungen des TAO (Tropical Atmosphere Ocean) Bojenfeldes im Pazifik als Referenz herangezogen. Der Vergleich zu ECMWF-Winden ergibt ein RMSE (Root Mean Square Error) und Bias von 2,77 und -0,33 m/s. Diese Werte sind mit denen vergleichbar, die aus ASCAT-Daten abgeleitet wurden (2,31 bzw. 0,25 m/s). Die TDS-1-Winde zeigen ein höheres Maß an Robustheit gegenüber Regen mit einem RMSE und Bias von 2,94 und -0,21 m/s über Ozeanen bei Niederschlägen im Vergleich zu den ASCAT-Messungen mit 3,16 bzw. 1,03 m/s. Dennoch reduziert der BRCS sich bei Niederschlag unter niedrigen Windgeschwindigkeiten.
Die Signaldämpfung durch Regen wird untersucht, indem GNSS-R DDM (Delay-Doppler Maps) bei verschiedenen Regenraten und Reflexionsgeometrien simuliert werden. Es wird gezeigt, dass der resultierende Bias bei einer Windgeschwindigkeit von 30 m/s und einem Einfallswinkel von 30 Grad kleiner als 0,35 m/s (1%) ist. Bei gleicher Windgeschwindigkeit und gleichem Einfallswinkel ergab die Untersuchung, dass ein kontinuierlicher Regen in jeder Zelle des Signalausbreitungsweges mit Beträgen von 10, 15 und 20 mm/h zu einer Überschätzung der Windgeschwindigkeit kleiner als 0,65 m/s (2%), 1,00 m/s (3%) bzw. 1,3 m/s (4%) führen kann. Daraus wird geschlussfolgert, dass die Signaldämpfung durch Regen in den aktuellen GNSS-R-Anwendungen vernachlässigt werden kann.
Regentropfen auf der Meeresoberfläche verändern jedoch deren Rauigkeit. Im allgemeinen wird angenommen, dass GNSS-R-Messungen unempfindlich gegenüber den von Regentropfen erzeugten kleinen Wellen sind. Die vorliegende Studie liefert jedoch erstmals den Beweis dafür, dass sich der BRCS aufgrund von Regentropfen bei schwachem Wind von weniger als 6 m/s verringert. Die aus TDS-1-Messungen abgeleitete Abnahme des BRCS beträgt bei Niederschlagsraten kleiner 2 mm/h und einer Windgeschwindigkeit von 3 m/s etwa 0,7 dB. Die Simulationen, die auf einem kürzlich entwickelten physikalischen Modell basieren, bestätigen, dass Regentropfen den BRCS bei niedrigen Windgeschwindigkeiten verringern. Diese erstmals beobachtete Signatur könnte dazu führen, dass die GNSS-Reflektometrie nach den in dieser Arbeit empfohlenen weiteren Charakterisierungsstudien zur Messung von Niederschlägen über Ozeanen eingesetzt werden kann.
Ein Modell, das auf ANN (Artificial Neural Network) basiert, wird entwickelt, um die GNSS-R-Messungen in Windgeschwindigkeiten umzuwandeln. Das Modell führt zu einer signifikanten Verbesserung des RMSE um 20% im Vergleich zu dem ursprünglich verwendeten Berechnungsschema. Die Vorteile, die zu der erreichten Verbesserung führen, werden diskutiert, einschließlich der Fähigkeit, den Effekt der verschiedenen EIRP (Effective Isotropic Radiated Power) von GPS-Satelliten zu modellieren. Beispielsweise wird der abgeleitete MAE (Mean Absolute Error) des GPS-Satelliten mit der Space Vehicle Number (SVN) 34 um 32% verringert.
Schließlich wird mit GNSS-Messungen von CYGNSS, der ersten GNSS-R-Mehrsatelliten-konstellation, die seit Dezember 2016 im Orbit ist, eine Signatur von mesoskaligen Ozeanwirbeln nachgewiesen. Der normalisierte BRCS verhält sich unterscheidbar unterschiedlich über dem Wirbelzentrum und den Randgebieten. Es werden statistische Analysen durchgeführt, aus denen hervorgeht, dass 28,6% der CYGNSS-Messspuren einen Korrelationskoeffizienten von 0,7 oder mehr mit dem beobachteten Muster über den Wirbeln aufweisen. Anhand von Zusatzdaten wird eine starke inverse Korrelation von normalisierte BRCS mit dem fühlbaren Wärmestrom (surface heat flux) und der Oberflächenspannung unter bestimmten Bedingungen gezeigt.
