Tesis doctoral de Diego Lange Vega
La tesis doctoral aborda la teledetección atmosférica mediante técnicas lidar y radar (banda s) y tratamiento de la señal relacionado. La teledetección activa mediante estos instrumentos ofrece resoluciones espaciales y temporales sin precedentes en la perfilometría vertical de la atmósfera y recuperación de productos de datos ópticos y físicos atmosféricos en un marco de creciente regulación medioambiental. el primer objetivo de esta tesis concierne la estimación de cotas de error en la inversión del perfil del coeficiente de retrodispersión atmosférica a partir de señales lidar de tipo elástico (esto es, sin desplazamiento de la longitud de onda en recepción al interactuar con los dispersores atmosféricos) mediante el algoritmo de inversión dos componentes de klett-fernald-sasano. Este objetivo parte de trabajos previos en el remote sensing lab. (Rslab) de la universitat politécnica de catalunya (upc) y permite obtener cotas de primer orden (aproximadas) basadas en propagación de errores y cotas (exactas) basadas en el incremento total del error. Característica distintiva frente al estado del arte es la asimilación de errores sistemáticos (por ejemplo, entradas de calibración de usuario) y aleatorios (relación señal a ruido, snr, finita) en forma matemática explícita. el segundo objetivo, central de esta tesis, aborda la estimación de la altura de la capa límite atmosférica (ablh) a partir de señales lidar elásticas y de observaciones radar en banda s (onda continua con modulación en frecuencia, fmcw) mediante técnicas adaptativas basadas en filtrado extendido de kalman (ekf). El filtro se basa en modelado morfológico de la transición atmosférica entre la capa de mezcla y la troposfera libre y en estimación continua de la información de covarianza de ruido. En el prototipo lidar-ekf la técnica propuesta mejora claramente las técnicas clásicas de estimación de la ablh como son las basadas en métodos derivativos, decisión de umbral, o el método de la varianza-centroide. La formulación ekf se aplica tanto a medidas procedentes de ceilómetros lidar como de la propia estación lidar upc en escenas de alta y baja snr. Adicionalmente, el enfoque lidar-ekf se reformula y se extiende con éxito a escenas radar en banda s (dispersión bragg) en presencia de fuentes de ruido interferente (dispersión rayleigh de, por ejemplo, insectos y pájaros). En este contexto, la característica fmcw permite la capacidad de resolución en distancia. La estimación de la ablh mediante los prototipos lidar-ekf y radar-ekf se intercomparan en campañas de medida. finalmente, el tercer objetivo atiende a la explotación de la estación lidar upc existente: en un primera parte introductoria, se formula un algoritmo modificado de ¿gluing¿ para la mejora del margen dinámico de canales lidar elásticos mediante combinación (o ¿pegado¿) de señales lidar adquiridas analógicamente y mediante foto-conteo. En una segunda parte, se presentan dos ejemplos (incluyendo aplicación del algoritmo de ¿gluing¿) que ilustran las capacidades del lidar de la upc en la observación atmosférica de dos recientes erupciones volcánicas desde la red de observación earlinet (european aerosol research lidar network). ésta última es parte de galion (global atmospheric watch atmospheric lidar observation network)-geoss (global earth observation system of systems).
Datos académicos de la tesis doctoral «Lidar and s-band radar profiling of the atmosphere: adaptive processing for boundary-layer monitoring, optical-parameter error estimation, and application cases«
- Título de la tesis: Lidar and s-band radar profiling of the atmosphere: adaptive processing for boundary-layer monitoring, optical-parameter error estimation, and application cases
- Autor: Diego Lange Vega
- Universidad: Politécnica de catalunya
- Fecha de lectura de la tesis: 17/07/2014
Dirección y tribunal
- Director de la tesis
- Francisco Rocadenbosch Burillo
- Tribunal
- Presidente del tribunal: agustín Sánchez-arcilla conejo
- doina nicoleta Nicolae (vocal)
- oriol Jorba casella (vocal)
- stephen j. Frasier (vocal)