Regressionskoeffizienten für atmosphärische Auflasteffekte aus der VLBI

Abstract

In dieser Arbeit wird die Atmosphärenkorrektur anhand a priori bestimmter Regressionskoeffizienten aus atmosphärischen Auflasteffekten näher betrachtet. Der Luftdruck in der Atmosphäre wirkt auf die Erdoberfläche in Form von Auflast. Variiert der Luftdruck, wirkt sich dies auf die Erdkruste in Form von Deformationen aus. Die durch die Auflasteffekte hervorgerufenen Deformationen können bis zu 3 cm in radialer Richtung betragen. Der Zusammenhang von Luftdruck und den atmosphärischen Auflasteffekten kann durch Regressionskoeffizienten ausgedrückt werden. Aufgrund des Einflusses der Auflasteffekte auf die Erdkruste wird in der Arbeit unter anderem untersucht, ob eine Atmosphärenkorrektur anhand von a priori bestimmten Regressionskoeffizienten in einer globalen VLBI - Lösung Verbesserungen in den Ergebnissen liefert. Des Weiteren beschäftigt sich diese Arbeit mit der Untersuchung der saisonalen Variation von Luftdruck und Auflasteffekten und damit verbunden der Regressionskoeffizienten. Für viele VLBI - Stationen wird dabei die saisonale Variation der Regressionskoeffizienten sehr deutlich sichtbar. Stationen mit stabiler Drucklage weisen erwartungsgemäß geringe Variationen auf. Der Einfluss der saisonalen Auflasteffekte auf den Schwerpunkt des VLBI - Stationsnetzwerkes wird ebenso untersucht. Die Ergebnisse der globalen Lösungen werden anhand von Stationskoordinaten und Basislinienwiederholbarkeiten betrachtet. Die Lösung mit Atmosphärenkorrektur anhand von a priori Regressionskoeffizienten und die Lösung mit einer Atmosphärenkorrektur anhand von Korrekturen des NASA Goddard Space Flight Center (GSFC) und intern geschätzten Regressionskoeffizienten werden verglichen mit einer Lösung mit intern geschätzten Regressionskoeffizienten ohne GSFC - Atmosphärenkorrektur. Die Untersuchung der Basislinienwiederholbarkeiten zeigt, dass eine Atmosphärenkorrektur anhand von a priori Regressionskoeffizienten nicht für alle Stationen Verbesserungen gegenüber den anderen Lösungen mit sich bringt. Es zeigt sich, dass eine globale Lösung mit GSFC - Atmosphärenkorrektur für den Großteil der Basislinien kleinere Wiederholbarkeiten als eine Lösung ohne GSFC - Atmosphärenkorrektur liefert. Ebenso kann festgehalten werden, dass eine globale Lösung mit Atmosphärenkorrektur aus a priori geschätzten Regressionskoeffizienten hinsichtlich der Wiederholbarkeiten auch bessere Ergebnisse liefert als die Lösung ohne Atmosphärenkorrektur.

In this thesis, the focus is on regression coefficients induced by atmospheric pressure loading. The atmospheric pressure affects the surface of the earth by loadings. Variations of the atmospheric pressure cause deformations of the earth-s crust. The magnitude of these deformations can be up to 3 cm in radial direction. Atmospheric pressure and atmospheric pressure loadings can be combined via regression coefficients. Due to the effect of atmospheric pressure loadings on the earth's crust, this thesis analyses the effect of an atmospheric correction by a priori calculated regression coefficients in a global solution of the VLBI network. Furthermore this thesis surveys the seasonal variation of atmospheric pressure and loading effects and thus regression coefficients. A lot of VLBI station's regressions coefficients clearly show seasonal variations. Little variation can be found at stations with a very stable pressure field throughout the year. The analysis of the effect of these seasonal loading deformations on the center of the VLBI station network is also part of this thesis. The results of the global solution are analysed on the basis of station coordinates and baseline repeatabilities. The global solution with atmospheric corrections by a priori regression coefficients and the solution with internally estimated regression coefficients and atmospheric corrections from the NASA Goddard Space Flight Center (GSFC) are compared to the solution with atmospheric correction by internally estimated regression coefficients and no GSFC - atmospheric correction. Analysis of the baseline repeatabilities show, that the solution with atmospheric corrections by a priori regression coefficients does not necessarily bring improvements for all stations compared the other solutions. It shows that a global solution with GSFC - corrections yields smaller repeatabilities for the majority of the baselines compared to a solution with no atmospheric corrections. In terms of repeatabilities, it can be equally said that a global solution with atmospheric corrections by a priori regression coefficients brings better results than a solution with no atmospheric correction.