GNSS-Fernerkundung, Navigation und Positionierung

Abgeschlossene Doktorandenprojekte

GNSS Reflectometry for Sea Ice Detection

Global Navigation Satellite System (GNSS) has been widely used to provide positioning, navigation and timing services in civil and military domains since it became fully operational in 1993. In addition to these fundamental services and applications, GNSS could be also used for remote sensing of atmospheric parameters; for instance, by launching LEO satellites and observing refraction signals from GNSS satellites with negative elevation angles. This GNSS-based remote sensing technique termed GNSS radio occultation (GNSS-RO) could be used to estimate the tropospheric water vapor, temperature, pressure, and ionospheric total electron content (TEC) with a high resolution. Meanwhile, GNSS signal reflection over a specific surface, a source of positioning error, which cannot be easily neutralized, could be used to retrieve the surface geophysical parameters. This remote sensing technique is termed GNSS Reflectometry (GNSS-R). The ocean’s surface characteristics (ie. ocean surface height, roughness, wind speed and wind direction) could be estimated by GNSS-R. It could be also applied for land applications such as the retrieval of ground vegetation condition and soil moisture. This study focuses on sea ice detection using GNSS-R.

GPS Meteorology with Single Frequency Receivers

Ein Ziel dieser Arbeit ist es, zu zeigen, dass die Daten von SF-Empfängern, die von einem Netz aus DF-Empfängern umgeben sind, mit sehr großer Genauigkeit prozessiert werden können. Hierzu wurde das SEID (Satelliten-spezifische Epochen-Differenz) Verfahren entwickelt, das die zeitlichen Differenzen in den ionosphärischen Verzögerungen der umgebenden DF-Empfänger nutzt, um ein synthetisches L2-Signal für die SF-Empfänger zu generieren. Zusammen mit den beobachteten L1-Daten stehen damit formal für jeden SF-Empfänger dieselben Informationen zur Verfügung, wie sie DF-Empfänger liefern.

GPS Reflectometry: Innovative Flood Monitoring at the Mekong Delta

Bevölkerungswachstum und Klimawandel haben tiefgreifende Veränderungen im Mekong Delta, einer natürlichen Ressource für Millionen von Einwohnern, verursacht. Eine dieser Veränderungen betrifft das zunehmende Auftreten extremer Hochwasserereignisse. Um das Leben der Menschen, insbesondere in den Küstenbereichen, während solcher Ereignisse zu schützen, ist es von großer Bedeutung, die Wasserstandshöhe in diesen Bereiche kontinuierlich zu überwachen. Standardmäßig kommen dafür Pegelmessstationen zum Einsatz. Sie ermöglichen die Bestimmung der Wasserstandhöhe mit großer Genauigkeit und hoher zeitlichen Auflösung. Ein Nachteil dieser Methode liegt in der lediglich punktuellen Verfügbarkeit von Messwerten. Aufgrund steigender Wartungskosten wird die Anzahl der Messstationen ferner kontinuierlicher verringert. Eine zukunftsträchtige Alternative stellt die Global Positioning System-Reflectometry (GPS-R) dar, da Wasseroberflächen eine hohe Reflektivität für GPS L-band Signale zeigen. Im vergleich zur Codebeobachtungen, haben Phasenbeobachtungen das Potenzial, genauere Ergebnisse zu liefern, ihre Kohärenz und Kontinuität vorausgesetzt.

Analysis and Derivation of the Spatial and Temporal Distribution of Water Vapor from GNSS Observations

Der Wasserdampf in der Atmosphäre spielt eine wichtige Rolle in meteorologischen Anwendungen. Die globalen Positionierungssysteme (GNSS) liefern wetterunabhängige und präzise Beobachtungen. Die Anwendung der existierenden GNSS-Infrastrukturen für die Atmosphärensondierung ist ein kostengünstiger Weg, den atmosphärischen Wasserdampf mit hoher Genauigkeit abzuleiten. Beobachtungen von GNSS-Bodennetzen enthalten Informationen über die zeitliche und räumliche Wasserdampfverteilung.

Ein wesentliches Ziel dieser Arbeit ist es, die Wasserdampftomographie zu verbessern und atmosphärische Wasserdampfprodukte mit guter Qualität abzuleiten. Ein neuer tomographischer Algorithmus, der auf einem Kalman-Filter basiert, wurde daher in das bestehende Tomographiesystem implementiert. Der Kalman-Filter liefert ein 3D-Feuchtefeld mit einer zeitlichen Auflösung von 2,5 Minuten und die zugehörigen Fehler-Kovarianz-Matrizen.