Benutzer: Gast  Login
Originaltitel:
Retrieval of cloud properties from EPIC/DSCOVR
Übersetzter Titel:
Bestimmung von Wolkeneigenschaften mit EPIC/DSCOVR
Autor:
Molina Garcia, Victor
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Betreuer:
Doicu, Adrian (Priv.-Doz. Dr. habil.)
Gutachter:
Doicu, Adrian (Priv.-Doz. Dr. habil.); Bamler, Richard Hans Georg (Prof. Dr. habil.); Mayer, Bernhard (Prof. Dr.)
Sprache:
en
Fachgebiet:
GEO Geowissenschaften
Stichworte:
radiative transfer, neural networks, machine learning, OCRA, ROCINN
Übersetzte Stichworte:
Strahlungstransport, künstliche neuronale Netzwerke, Maschinelles Lernen, OCRA, ROCINN
TU-Systematik:
BAU 967; GEO 007
Kurzfassung:
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.
Übersetzte Kurzfassung:
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
Eingereicht am:
28.06.2022
Mündliche Prüfung:
13.12.2022
Dateigröße:
33414244 bytes
Seiten:
185
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221213-1662361-1-8
Letzte Änderung:
05.01.2023
 BibTeX