This thesis describes the development of novel methods to enhance the upper- air record of temperature with the goal of improving weather forecast and serving the satellite validation community. The thesis begins by demonstrating a new method to enhance the value of global radiosonde (RS) and radio occultation (RO) observations in numerical weather prediction (NWP) models. The space-based RO technique provides highly accurate, globally distributed profile measurements in all weather conditions. These homogeneous RO data are used to bias correct stratospheric RS temperatures from the operational observing network, which uses various RS types, prior to their data assimilation into an NWP model. Such a bias corrections improves the consistency between the observation types which is especially important for RO and RS as both observation types anchor the temperature in NWP models. This method is then applied to study, in detail, the differences between RO measurements and the reference-quality RS data products from the GCOS (Global Climate Observing System) Reference Upper-Air Network (GRUAN) at 6 upper-air sites. In contrast to RS data from the operational network, GRUAN processed RS data are corrected for all known biases and provide an uncertainty estimate with every value. In a follow-on to this piece of work, the upper-air temperature time series at the GRUAN site in Lauder, New Zealand, is improved by combining measurements made at two locations into a Site Atmospheric State Best Estimate (SASBE) of the temperature. The construction of the data set is described in detail, including the estimation of uncertainties on every value of the SASBE. An imperative for creating homogeneous time series of upper-air measurements is careful management of transitions from one instrument type to another. Therefore, a final study reported on in this thesis tests if the bias between two different RS types can be estimated from interlaced measurements, i.e. a time series of profiles obtained by alternating between two RS types from day to day (one instrument measuring on even dates and the other one on odd dates). The following scientific questions are addressed in this thesis and in the associated publications which are part of this thesis: 1\. How can the spatial and temporal homogeneity of one measurement technique or one instrument type be used to homogenise measurements from other sensors? 2\. How can the a priori information required as input to RO retrievals be reduced to diminish the dependence of derived products on a priori information? 3\. How can the structural uncertainty in the new tangent linear RO retrieval presented here be assessed? 4\. How do RO measurements compare to the GRUAN RS data product in the stratosphere? 5\. How can measurements from distributed, i.e. not perfectly collocated, measurement sites be combined? 6\. How can the difference in biases between two RS types be assessed? This thesis is motivated by the international research and NWP communities need to make use of the limited upper-air measurements available. While there are more than 800 upper-air sites launching RSs worldwide, improvements in accuracy, homogeneity, and temporal resolution of the data are needed to make them best- suited for, among other things, NWP and validation purposes. To assimilate data into an NWP model, it is desirable to eliminate biases between different observations. RS temperature biases can result in erroneous temperature fields which lead to spurious features in the wind field. Furthermore, for the validation of space-based instruments, high-quality data, including traceable uncertainty estimates, are required. To increase the number of collocations with space-based measurements, high temporal resolution of the validation data set is desirable. This doctoral thesis, which supports the activities of GRUAN, focusses on treating uncertainty estimates as an imperative rather than as a supplement. Measurement uncertainties, as well as structural uncertainties, and representativeness uncertainties are therefore discussed here.
Die vorliegende Doktorarbeit beschreibt neu entwickelte Methoden die zu Verbesserungen atmosphärischer Temperaturdatensätze dienen, welche wiederum die Wettervorhersage verbessern und zur Satellitenvalidierung genutzt werden können. Die Doktorarbeit stellt zunächst eine Methode zur verbesserten Nutzung von Radiosonden- und Radiookkultationsmessungen in der numerischen Wettervorhersage vor. Die satellitengestützte Radiookkultationstechnik liefert globale und qualitativ hochwertige Profilmessungen in allen Wetterbedingungen. Dieser homogene Radiookkultationsdatensatz dient als Referenz für die Korrektur von stratosphärischen Temperaturfehlern in Radiosondenprofilen des globalen Messnetzwerkes, welches verschiedenste Radiosonden mit unterschiedlichen Fehlercharakteristiken verwendet. Die Fehlerkorrektur ist zur Anwendung vor der Assimilation der Radiosondenprofile in die numerische Wettervorhersage gedacht, welche unter Anderem auch die Übereinstimmung von Radiosonden- und Radiookkultationsmessungen verbessert. Diese entwickelte Methode wird anschließend genutzt, um die Unterschiede zwischen Radiookkultationsmessungen und den Radiosondenmessungen eines globalen Referenzmessnetzwerkes. In der vorliegenden Arbeit werden Radiosondenmessungen von sechs Messstationen des GCOS (Global Climate Observing System) Reference Upper-Air Networks (GRUANs) Messnetzwerkes mit Radiookkultationsmessungen verglichen. Des Weiteren wird eine neue Methode zur Kombinierung verschiedener Temperaturmessungen beschrieben, welche die Messungen von zwei Messtationen auf der Südinsel Neuseelands vereint. Diese bestmögliche Abschätzung des Temperaturprofils und der Unsicherheit in der Temperatur über Lauder, Neuseeland, führt zu einer deutlichen Verbesserung der Temperaturzeitreihe über Lauder. Jeglicher Austausch von Messinstrumenten bedarf einer sorgfältiger Übergangsplanung um eine homogene Zeitreihe von atmosphärischen Variablen sicherzustellen. Typischerweise werden Parallelmessungen mit dem alten und dem neuen Instrument durchgeführt, um die Unterschiede in den Messungen abzuschätzen. In dieser Doktorarbeit wird untersucht, ob es möglich wäre den Unterschied in den Radiosondenmessungen mit zwei unterschiedlichen Instrumenten aus einer Datenreihe von abwechselnden Messungen abzuschätzen. Die nachfolgenden wissenschaftlichen Fragestellungen werden in dieser Doktorarbeit und in den dazugehörigen wissenschaftlichen Veröffentlichungen behandelt. 1\. Wie kann die räumliche und zeitliche Homogenität einer Messtechnik oder eines Instrumentes genutzt werden um die Datenreihe anderer Messgeräte zu homogenisieren? 2\. Wie kann die a priori Information welche im Radiookkultationsretrieval benötigt wird, reduziert werden um die Abhängigkeit der abgeleiteten atmosphärischen Variablen (z.B. Temperatur) von der a priori Information zu vermindern? 3\. Wie kann die strukturelle Unsicherheit in dem tangentenlinearen Radiookkultationsretrieval welches in dieser Doktorarbeit entwickelt wurde, berechnet werden? 4\. Wie gut stimmen die Messungen des Referenzmessnetzwerkes GRUAN mit Radiookkultationsmessungen in der Stratosphäre überein? 5\. Wie können die Messungen von zwei Standorten kombiniert werden um eine bestmögliche Abschätzung des Temperaturprofils zu erhalten? 6\. Wie können die Unterschiede in den Messungen zweier Radiosondentypen abgeschätzt werden? Da die Anzahl an atmosphärischen Messungen gering ist, ist es umso wichtiger für die Klimaforschung und die Wettervorhersage den maximalen Nutzen aus den vorhandenen Messungen zu extrahieren. Global existieren mehr als 800 Messstationen welche Radiosondenmessungen durchführen. Verbesserungen in der Homogenität der Messzeitreihe, der zeitlichen Auflösung und der Genauigkeit der Messungen, werden jedoch benötigt um den Nutzen dieser Messungen für die Wettervorhersage und Satellitenvalidierung zu erhöhen. Vor die Assimilation von Messdaten in Wettervorhersagemodelle ist es wünschenswert entgegengesetzte Fehler in den Messdaten zu beseitigen. Messfehler in Radiosondenmessungen können zu Fehler im modellierten Luftfeuchtigkeits- und Temperaturfeld führen, und dies kann wiederum zu einem fehlerhaften modellierten Windfeld führen. Für die Validierung von satellitengestützten Messungen werden qualitativ hochwertige Messdatensätze benötigt, welche eine Abschätzung der Unsicherheiten beinhalten. Um die Anzahl der vergleichbaren Profilen des Referenzdatensatzes mit dem Satellitendatensatz zu erhöhen, ist eine höhere zeitliche Auflösung des Referenzdatensatzes wünschenswert. Eine sorgfältige Abschätzung der Unsicherheiten ist ein wichtiger Teil dieser Arbeit, welche damit die Ziele GRUANs unterstützt. Messunsicherheiten, strukturelle Unsicherheiten und Repräsentativitätsunsicherheiten werden diskutiert und in die Berechnungen einbezogen.
