Weiterführende satellitengestützte Messungen

Kenntnisse über die Konzentration und Verteilung von Bestandteilen der Erdatmosphäre sind entscheidend für die Inangriffnahme vieler Umweltprobleme. Es wurden bereits wichtige Schritte unternommen, um die signalverarbeitenden Modelle für die Verwertung von Satellitendaten zu verbessern.

Der Klimawandel und der Abbau des stratosphärischen Ozons gehören zu den zwei größten Umweltproblemen unserer Zeit. Ein großer Anteil der Forschungsgelder wurde verwendet, um die diesen zwei Phänomenen unterliegenden Ursachen und Wirkungsbeziehungen zu verstehen. Satellitenmessungen zur gasförmigen Zusammensetzung der Atmosphäre sind dabei ein wichtiger Bestandteil der Forschungsarbeit.

Der Versuch, Ozon, Wasserdampf, Methan und andere Bestandteile des Weltraums zu messen, erweist sich als schwierige Aufgabe. Es wurden spezielle signalverarbeitende Instrumente zur Analyse der Daten entwickelt, die von Satelliteninstrumenten wie dem Michelson-Interferometer für Passive Atmosphärische Sondierung (MIPAS) an Bord der ENVISAT gesammelt werden.

Es wurden insbesondere zwei Versionen des ORM-Modells im Rahmen des AMIL2DA-Projekts ausgewertet. Die Norm der Europäischen Weltraumorganisation (EWO), ORM_R, wurde mit fünf konkurrierenden Modellen verglichen. Dabei zeigte die Norm ORM_R bei zahlreichen Szenarien erstaunliche Leistungen – von Sommer bis Winter, von mittleren bis polaren Breiten. Mit Anwendungen der höheren Mathematik, wie z.B. dem Levenberg-Marquardt-Algorithmus, können bessere Profile als bei den typischen Regulierungsschemata erreicht werden.

Ein Nachteil der Norm ORM_R besteht darin, dass sie nur dazu genutzt werden kann, die vertikalen Profile weniger elementarer chemischer Bestandteile abzuleiten. Genau da setzt eine verbesserte Variante der Norm ORM_R mit dem Namen ORM_I an. Die ORM_I kann Konzentrationen von weniger häufigen Arten wie Fluorchlorkohlenwasserstoffen und Chlornitraten, die beide eine bedeutende Rolle bei der Zerstörung des stratosphärischen Ozons spielen, berechnen.

Ein zusätzliches Merkmal der ORM_I besteht darin, dass man mit ihrem Algorithmus verschiedene Parameter in Zusammenhang mit Einstellungen und Eichung bestimmen kann. Dadurch können wiederum verschiedene Aspekte des Modells auf ihre Sensibilität getestet werden. Zu den wichtigen Ergebnissen zählt die Erkenntnis, dass mehrere Phänomene von dem Modell vernachlässigt werden können, ohne die Resultate maßgeblich zu beeinträchtigen. Zu diesen Phänomenen gehören Druckveränderungen, Selbstausbreitung, NLTE-Effekte und Line-Mixing. Durch diese Entdeckungen müssen weniger Berechnungen durchgeführt werden, ohne dabei Kompromisse bei der Qualität eingehen zu müssen.

Die Norm ORM_I wurde letztendlich mit echten MIPAS-Daten getestet und die Fehlerquote lag innerhalb des erwarteten Bereichs. Doch damit nicht genug – weitere Bemühungen zur Verbesserung des ORM sind schon in vollem Gange.