Computecluster Geodäsie
Zusammenfassung der Projektergebnisse
Eine der größten Herausforderungen unserer Zeit ist die Entwicklung eines besseren Systemverständnisses über die auf der Erde ablaufenden Prozesse. Mit Hilfe von Erdbeobachtungssatelliten können mit sehr hoher räumlicher und zeitlicher Auflösung Messungen durchgeführt werden. So entsteht eine extrem wertvolles Datenarchiv, welches methodisch ausgewertet werden muss. Mit hochauflösenden Modellen zur genauen Beschreibung der geometrischen und physikalischen Figur der Erde liefern die beteiligten Arbeitsgruppen einen wesentlichen Beitrag zum besseren Prozessverständnis. Das Erdschwerefeld und seine Veränderungen sowie raum/zeitliche Veränderungen der Erdoberfläche - sowohl am Ozean wie auch an Land - stehen im Fokus der Forschung. Die Bearbeitung von komplexen Modellen mit großen Datenmengen erfordern Rechenkapazitäten, die weit über normale Anwendungen hinausgehen. Viele der Fragestellungen lassen sich nur mit Hochleistungsrechnern (high performance computing - HPC) bearbeiten, da entweder enorme Anforderungen an den Hauptspeicher gestellt werden oder die Anzahl der benötigten Rechenoperationen riesig ist. Zur Bearbeitung dieser komplexen Modelle existieren keine Standardsoftwarepakete, sodass eigene massiv parallele Softwarepakete entwickelt werden müssen, die auf die Fragestellungen angepasst sind. Mit Hilfe dieser Förderung ist es gelungen einen HPC Computecluster anzuschaffen und in Betrieb zu nehmen. Die 1984 Rechenkerne und mehr als 8 Terabyte Hauptspeicher stellt eine hochverfügbare und gute Entwicklungsumgebung dar, auf dem alle Aspekte der oben skizzierten Anwendungen erforscht werden können. So wurde der Cluster zur Entwicklung von neuen Analysemethoden, zur Entwicklung von massiv parallelen Algorithmen, und zur Auswertung von Realdaten seit 2014 erfolgreich eingesetzt. Folgend sollen die Anforderungen beispielhaft für einige bearbeitet Fragestellungen konkretisiert werden: Bei der Erdschwerefeldbestimmung aus Beobachtungen der Satellitenmission GOCE (Gravity Field and Steady-State Ocean Circulation Explorer) wurden während der aktiven Mission (2009-2013) die zweiten Ableitungen des Gravitationspotentials der Erde entlang des Orbits ausgemessen. Hier konnten in diesem Zeitraum 440 Millionen Messungen erfasst werden, aus denen ein Modell des Erdschwerefeldes, repräsentiert durch 78 000 Parametern, abgleitet worden ist. Erschwert wird diese Inverse Modellierung durch das komplexe stochastische Verhalten des Sensors. Dies führt zu starken Korrelationen zwischen dem Messungen, die im Optimierungsprozess berücksichtigt werden müssen. Um die optimale Lösung dieses Inversen Modellierungsansatzes zu erhalten wurde eine Analyseprogramm entwickelt, welches sowohl die Lösung als auch deren Unsicherheiten effizient berechnen kann. Erst der Einsatz von massiv parallelen Programmen, die alle verfügbaren 1984 Rechenkerne nutzen, erlaubt ein Feintuning dieser komplexen Modell durch mehrfache Berechnung. Mit diesen Entwicklungen wurde im Auftrag der ESA das offizielle Modell EGM_TIM_RL05 gerechnet, ein international anerkanntes Modell, welches nur auf GOCE Beobachtungen basiert. Eine weitere Anwendung, die mit Hilfe des Clusters bearbeitet werden konnte, ist die gemeinsame Schätzung von Erdschwerefeld und der Ozeantopographie. Bei dieser Anwendung ist die Hauptanforderung nicht die große Anzahl an Beobachtungen, diese beschränkt sich in lokalen Anwendungen auf einige Millionen, sondern die große Anzahl an unbekannten Parametern. Idee ist es hier, Messungen der Meereshöhe von Altimetersatelliten in einem gemeinsamen kleinste Quadrate Ausgleich in die Anteile Dynamische Ozeantopographie und Geoid zu zerlegen. Sowohl Geoid (Kugelfunktionen) als auch Dynamische Ozeantopographie (Finite Elemente) werden deterministisch parametrisiert, sodass Parameter für die Kugelfunktionen und die Finiten Elemente zu bestimmen sind. Zudem lässt sich die Dynamische Ozeantopographie auch in der Zeit parametrisieren, sodass sich zeitvariable Modelle mit 500,000 unbekannten Parametern ergeben. Der HPC Cluster ist zudem ein wertvolles Tool für die präzise Bahnbestimmung von Satelliten. Zum Beispiel läßt sich die Prozessierung von Tracking Beobachtungen zum Lunar Reconnaissance Orbiter (LRO) effizient parallelisieren. Zeitliche Beobachtungsblöcke können parallel verarbeitet werden, um die zugehörigen Orbit Segmente zu bestimmen. Diese können über die Lösung der sogenannten Variationsgleichungen bestimmt werden, die eine iterative numerische Integration der Bewegungsgleichung des Satelliten erfordern. Durch den HPC Cluster ist eine Vielzahl von Studien und numerischen Experimenten möglich geworden, um z.B. optimale Konfigurationen der Länge der Orbitsegmente und optimierte stochastische Modelle für die Beobachtungen zu entwickeln. Seit den neunziger Jahren liefert Radaraltimetetrie einen quasi globalen Datensatz der Meereshöhen. Diese Daten wurden in mehreren Studien zum Meerespiegel genutzt und ermöglichen regionale Forschungen zum Meerespiegelanstieg. Nahe an Küsten werden die Radarsignale durch die Küste gestört. Diese Störung kann durch eine Reprozessierung der 20 Hz Rohdaten mit optimierten Retracking Algorithmen minimiert werden, um küstennah bessere Beobachtungen zu erhalten. Auch diese Prozessierungen lassen sich gut auf den massiv parallelen HPC Cluster abbilden.
Projektbezogene Publikationen (Auswahl)
- “EGM_TIM_RL05: An Independent Geoid with Centimeter Accuracy Purely Based on the GOCE Mission.” Geophysical Research Letters 41, no. 22 (2014): 8089–99
Brockmann, J. M., N. Zehentner, E. Höck, R. Pail, I. Loth, T. Mayer-Gürr, and W.-D. Schuh
(Siehe online unter https://doi.org/10.1002/2014GL061904.) - “On High Performance Computing in Geodesy – Applications in Global Gravity Field Determination.” Phd thesis, Institute of Geodesy and Geoinformation, University of Bonn, 2014
Brockmann, J. M.
- 2015. Regional sea level change in response to ice mass loss in Greenland, the West Antarctic and Alaska. Journal of Geophysical Research: Oceans 120, 7316–7328
Brunnabend, S.-E., Schröter, J., Rietbroek, R., Kusche, J.
(Siehe online unter https://doi.org/10.1002/2015JC011244) - 2015. Towards Improved Lunar Reference Frames: LRO Orbit Determination, in: REFAG 2014, International Association of Geodesy Symposia. Springer, Cham, pp. 201–207
Löcher, A., Hofmann, F., Gläser, P., Haase, I., Müller, J., Kusche, J., Oberst, J.
(Siehe online unter https://doi.org/10.1007/1345_2015_146) - “Computational Aspects of High-Resolution Global Gravity Field Determination – Numbering Schemes and Reordering.” In NIC Symposium 2016, edited by K. Binder, M. Müller, M. Kremer, and A. Schnurpfeil, Vol. 48. NIC Series. Jülich, Germany, 2016
Brockmann, J. M., and W.-D. Schuh
- “Signalverarbeitung in der Physikalischen Geodäsie.” In Handbuch der Geodäsie, edited by Willi Freeden and Reiner Rummel, 1–49. Springer Reference Naturwissenschaften. Springer Berlin Heidelberg, 2016
Schuh, Wolf-Dieter
(Siehe online unter https://doi.org/10.1007/978-3-662-46900-2_15-1) - 2017. Evaluation of the Water Cycle in the European COSMO-REA6 Reanalysis Using GRACE. Water 9, 289
Springer, A., Eicker, A., Bettge, A., Kusche, J., Hense, A.
(Siehe online unter https://doi.org/10.3390/w9040289) - 2017. Inverting surface soil moisture information from satellite altimetry over arid and semi-arid regions. Remote Sensing of Environment 196, 205–223
Uebbing, B., Forootan, E., Braakmann-Folgmann, A., Kusche, J.
(Siehe online unter https://doi.org/10.1016/j.rse.2017.05.004) - 2017. Passive-ocean radial basis function approach to improve temporal gravity recovery from GRACE observations. J. Geophys. Res. Solid Earth 2016JB013633
Yang, F., Kusche, J., Forootan, E., Rietbroek, R.
(Siehe online unter https://doi.org/10.1002/2016JB013633) - “GOCO05c: A New Combined Gravity Field Model Based on Full Normal Equations and Regionally Varying Weighting.” Surveys in Geophysics, 2017, 1–20
Fecher, T., R. Pail, T. Gruber, and the GOCO Consortium
(Siehe online unter https://doi.org/10.1007/s10712-016-9406-y)
