User: Guest  Login
More Searchfields
Simple search
Original title:
Retrieval of cloud properties from EPIC/DSCOVR
Translated title:
Bestimmung von Wolkeneigenschaften mit EPIC/DSCOVR
Author:
Molina Garcia, Victor
Year:
2022
Document type:
Dissertation
Faculty/School:
TUM School of Engineering and Design
Advisor:
Doicu, Adrian (Priv.-Doz. Dr. habil.)
Referee:
Doicu, Adrian (Priv.-Doz. Dr. habil.); Bamler, Richard Hans Georg (Prof. Dr. habil.); Mayer, Bernhard (Prof. Dr.)
Language:
en
Subject group:
GEO Geowissenschaften
Keywords:
radiative transfer, neural networks, machine learning, OCRA, ROCINN
Translated keywords:
Strahlungstransport, künstliche neuronale Netzwerke, Maschinelles Lernen, OCRA, ROCINN
TUM classification:
BAU 967; GEO 007
Abstract:
This dissertation provides a framework for retrieving cloud macrophysical properties from radiance measurements acquired by the EPIC instrument. It analyses the involved pre-processing steps (registration and degradation correction), speed-up improvements in the radiative transfer model, the determination of the cloud fraction with the OCRA algorithm, and the sensitivity analysis of the ROCINN algorithm to obtain cloud optical thickness and cloud-top height under several sources of uncertainty.
Translated abstract:
Diese Dissertation befasst sich mit der Bestimmung von makrophysikalischen Wolkeneigenschaften aus Radianzmessungen mit dem EPIC Instrument. Analysiert werden nötige Kalibrationen (Registration und Degradationskorrektur), eine Verbesserung des Strahlungstransport-Modells, die Bestimmung der Wolkenbedeckung mit dem OCRA Algorithmus sowie eine Sensitivitätsbestimmung des ROCINN Algorithmus zur Ableitung der optischen Dichte und der Wolkenhöhe unter dem Einfluss mehrerer Fehlerquellen.
WWW:
https://mediatum.ub.tum.de/?id=1662361
Date of submission:
28.06.2022
Oral examination:
13.12.2022
File size:
33414244 bytes
Pages:
185
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221213-1662361-1-8
Last change:
05.01.2023
 BibTeX