Geodätische Woche 2017 26.-28. September, 2017 Berlin, Deutschland Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen Daniel Landskron, Angelika Xaver, Johannes Böhm, Wouter Dorigo Technische Universität Wien, Austria

Data Sources Numerical Weather Models (NWM) ECMWF operational data  Zenith Wet Delay (globally) Very Long Baseline Interferometry (VLBI) Analyzed with Vienna VLBI and Satellite Software (VieVS)  Zenith Wet Delay (at VLBI stations) Global Navigation Satellite System (GNSS) IGS repro1 data  Zenith Wet Delay (at GNSS stations) GlobVapour Remote Sensing project exploiting data from several EO missions (MERIS, GOME, SSM,..)  Integrated Water Vapor (globally) 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

Data Sources NWM: 1995-2014 (6-hourly, continuously) VLBI: 1995-2014 (6-hourly, discretely) GNSS: 1995-2007 (6-hourly, continuously) GlobVapour: 1996-2008 (weekly, discretely) 18 VLBI/GNSS stations 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

GlobVapour Utilizes data from several remote sensing missions: MERIS, SSM/I, GOME, SCIAMACHY global coverage no terrestrial stations required dependent on sunlight only cloudfree conditions 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

Conversion ZWD IWV Zenith Wet Delay (ZWD) 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

Seasonal Fit Seasonal fit through least-squares adjustment (LSM): A0 . . . . . . . . . . . . . . mean value A1, B1 . . . . . . . . . . . annual amplitudes A2, B2 . . . . . . . . . . . semi-annual amplitudes k. . . . . . . . . . . . . . . .trend mjd . . . . . . . . . . . . .modified Julian date 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

Results (1) Comparison of IWV for station MATERA 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

Results (1) Comparison of IWV for station HARTRAO 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

Correlation Coefficients | Bias | Standard deviation Results (1) Correlation Coefficients | Bias | Standard deviation between techniques Corr. Coeff. Bias (kg/m2) St. Dev. (kg/m2) NWM / VLBI 0.87 0.2 3.9 NWM / GNSS 0.91 0.3 3.5 NWM / GlobVapour 0.67 0.7 6.9 VLBI / GNSS 0.97 -0.4 1.9 VLBI / GlobVapour - GNSS / GlobVapour 0.62 7.6 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

(= increase/decrease of water vapor per year) Results (2) Trend of data (= increase/decrease of water vapor per year) 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

IWV from VLBI IWV from VLBI for station WETTZELL 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

Conclusions Good correlation between techniques No significant biases Remote Sensing good technique for determining water vapor Drawbacks: No safe statements about long-term changes possible Longer time period and more stations needed More continuous data needed 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen

Outlook In future, there will be… …more remote sensing missions …more VLBI antennas …more GNSS antennas …denser and more accurate NWM …naturally longer time series  More reliable/meaningful results! 2017/09/28 Vergleich des Wasserdampfgehalts in der Troposphäre aus weltraumgeodätischen Messverfahren und Fernerkundungssatelliten mit numerischen Wettermodellen