Flygburen laserskanning är en effektiv metod för insamling av höjddata över stora områden och används därför frekvent som underlag till digitala höjdmodeller, både på nationell och regional nivå (Wehr & Lohr 1999). Fördelen med insamlingsmetoden är att de utsända laserpulserna reflekteras på både markytan och objekten ovan mark, exempelvis vegetation, byggnader och liknande. På så vis genereras ett tredimensionellt punktmoln från vilket ytterligare produkter kan genereras. Den uppskattade eller uppmätta kvaliteten hos LiDAR-data gäller generellt för hela skanningsområdet. Men det kan vara av intresse att utföra en mer djupgående analys av kvaliteten för att se hur den skiljer sig mellan olika terrängtyper. På uppdrag av Arvika kommun ska en kvalitetskontroll av Lantmäteriets andra rikstäckande laserskanning ”Laserdata Skog” utföras. I dagsläget arbetar man med Laserdata NH, syftet med studien är således att ge Arvika kommun en mer nyanserad uppfattning av kvaliteten hos Laserdata Skog så att framtida arbeten kan ske på ett tillförlitligt sätt med en djupare förståelse kring datat. En jämförelse med Lantmäteriets första rikstäckande laserskanning ”Laserdata NH” kommer även utföras. Jämförelsen mellan de två laserskanningarna sker främst av ett teoretiskt intresse för att utreda hur stor skillnaden är mellan dem, framtida arbeten med laserdata kommer troligtvis att ske med den nya ”Laserdata Skog”.   För att utföra studien tillämpas den tekniska specifikationen SIS-TS 21144:2016 ”Byggmätning – Specifikationer vid framställning och kontroll av digitala markmodeller”. Inmätning av referensdata utfördes med både GNSS-utrustning och totalstation. De terrängtyper som har inkluderats i studien är: asfaltsyta, grusyta, lövskog, barrskog och gräsyta. För varje terrängtyp selekterades 2 provytor för att uppnå en god representation av de enskilda terrängtyperna. För att möjliggöra en koordinatjämförelse mellan laser- och referensdata så interpolerades punktmolnet till en TIN-yta. Resultatet visar att det uppstår differenser mellan Laserdata NH och Laserdata Skog för de statistiska mått som har beräknats. Laserdata NH erhåller förvånansvärt låga avvikelser. En övergripande trend är dock att Laserdata Skog har de lägre avvikelserna. Att fastställa orsakerna till dessa är dock svårt då det finns ett flertal faktorer som spelar in. Sammanfattningsvis erhåller Grusyta det lägsta RMSE-värdet (0,021 m) i Laserdata NH och i Laserdata Skog är det Asfaltsyta (0,017 m). Det högsta RMSE-värdet hittas i Barrskog för både Laserdata NH (0,198 m) och Skog (0,111 m). / Airborne laser scanning is an efficient method for collecting elevation data over a large area and is therefore frequently used as a basis for digital elevation models, both on a national and regional level (Wehr & Lohr 1999). The advantage of this data collection method is that the emitted laser pulses are reflected both on the ground surface as well as the objects above it, for example the vegetation, buildings or the like. In this way a three-dimensional point cloud can be created from which further products can be generated. The estimated or measured quality of LiDAR data generally applies for the entire scanning area. But it can be interesting to perform a more in-depth analysis of how the quality differs between different types of terrain.  At the request of Arvika municipality a quality survey of Lantmäteriet’s second nationwide laser scanning “Laserdata Skog” will be performed. Work is currently being performed using Laserdata NH, the purpose of this study is thus to give Arvika kommun a more nuanced perception of Laserdata Skog’s quality so that future work can be done in a more reliable way with a deeper knowledge about the data at hand. A comparison between Lantmäteriet’s first nationwide laser scanning “Laserdata NH” will also be performed. The comparison between these two is primarily out of a theoretical interest to examine how the quality differs between them. Future laserdata work will probably be executed using the newer product “Laserdata Skog”. The technical specification SIS-TS 21144:2016 ”Construction measurements – Specifications of production and control of digital terrain models” was applied in the study. Both GNSS-equipment and total station where used in order to collect reference data. The included terrain types are: asphalt, gravel, deciduous forest, coniferous forest and grass. Two areas of interest have been selected for each type of terrain in order to achieve a good representation of each terrain type. In order to perform a coordinate comparison between the laser- and reference data the point cloud from the laserdata was interpolated to a TIN-surface. The results show that there are quality differences between Laserdata NH and Laserdata Skog. Laserdata NH obtains remarkably low deviations. The overall trend is however that Laserdata Skog acquires the lower deviations of the two. Determining the causes of this is difficult, as there are several factors that come in to play. In summary the Gravel terrain type obtains the lowest RMSE-value (0,021 m) for Laserdata NH. The terrain type with the lowest RMSE-value for Laserdata Skog is Asphalt (0,017 m). The highest RMSE-values are found in Coniferous forest for both Laserdata NH (0,198 m) and Laserdata Skog (0,111 m).

Perceiving the environment is a crucial aspect of autonomous vehicles. To plan the route, the autonomous vehicle needs to be able to detect objects such as cars and pedestrians. This is possible through 3D object detection. However, labeling this type of data is time-consuming. By utilizing a virtual environment, there is an opportunity to generate data and label it in a quicker manner. This thesis aims to investigate how well three selected state-of-the-art models perform on a synthetic dataset of point cloud data. The results showed that the models attain a higher average precision compared to a dataset from the real world. This is mainly due to the virtual environment’s simplicity in relation to the real world’s detail. The results also suggest that models using different representations of point cloud data have different capabilities of transferring knowledge to the real world. / Att uppfatta miljön är en avgörande aspekt av autonoma fordon. Till planera rutten behöver det autonoma fordonet kunna upptäcka föremål som bilar och fotgängare. Detta är möjligt genom 3D-objektdetektering. Att märka denna typ av data är dock tidskrävande. Genom att använda en virtuell miljö, finns det en möjlighet att generera data och märka dem på ett snabbare sätt sätt. Denna avhandling syftar till att undersöka hur väl tre valda state-of-the-art modeller utför på en syntetiskt dataset av punktmolndata. Resultaten visade att modellerna uppnår en average precision jämfört med ett dataset från den riktiga världen. Detta beror främst på den virtuella miljöns enkelhet i förhållande till den verkliga världens detaljer. Resultaten tyder också på att modeller som använder olika representationer av punktmolnsdata har olika möjligheter att överföra kunskap till den verkliga världen.

<p dir="ltr">Most road fatalities are caused by human error. To help mitigate this issue and enhance overall transportation safety, companies are turning to advanced driver assistance systems and autonomous vehicle development. Perception, a key module of these systems, mostly uses light detection and ranging (LiDAR) sensors and enables efficient obstacle detection and environment mapping. Extensive research on the use of LiDAR for autonomous driving has been documented in the literature. Yet still, several researchers and practitioners have advocated continued investigation of LiDAR placement alternatives. To address this research need, this thesis research begins with a comprehensive review of different sensor technologies – camera, radio detection and ranging, global positioning system, and inertial measurement units – and exploring their inherent strengths and limitations. Next, the thesis research developed a methodological multiple criteria framework and implemented it in the context of LiDAR placement optimization. Given the numerous criteria and placement alternatives associated with LiDAR placement, multi-criteria decision analysis (MCDA) was identified as an effective tool for LiDAR placement optimization. MCDA has been applied to some extent in decision-making regarding autonomous vehicle development. However, its application in LiDAR placement optimization remains unexplored. In evaluating the LiDAR placement alternatives, the research first established the placement alternatives and then developed a comprehensive yet diverse set of criteria – point density, blind spot regions, sensor cost, power consumption, sensor redundancy, ease of installation, and aesthetics. The data collection methods included the CARLA simulator, sensor datasheets, and questionnaire surveys. The relative importance among the evaluation criteria was established using weighting techniques such as respondent-assigned weighting, equal weighting, and randomly generated weighting. Then, to standardize the different measurement units, scaling was carried out using value functions developed for each criterion using data from the respondents. Finally, the weighted and scaled criteria measures were amalgamated to obtain the overall evaluation score for each alternative LiDAR placement design. This enabled the ranking of the placement designs and the identification of the best-performing and worst-performing designs. Hence, the optimization method used is the enumeration technique. The findings of this study serve as a reference for future similar efforts that seek to optimize LiDAR placements based on select criteria. Further, it is expected that the thesis’s framework will contribute to an enhanced understanding of the overall impact of LiDAR placement on autonomous vehicles, thus enabling the cost-effective design of their placement and, ultimately, improving AV operational outcomes, including traffic safety.</p>

No description available.

UAV (Unmanned Aerial Vehicle) eller drönare används för insamling av geografisk data och fotografering av såväl företag, myndigheter och privatpersoner. Tekniken förenklar insamling av data över stora geografiska områden och kan utnyttjas för kartering, modellering och analysering som volymbestämning. Studien genomfördes med syftet att detektera trädhöjder ur punktmoln genererade med laserskanning och digital fotogrammetri från luften. Vidare undersöktes det vilken metod som gav det mest tillförlitliga resultatet samt om teknikerna var applicerbara för detektering av riskträd. Riskträd innebär i denna studie träd som utgör ett potentiellt hot mot viktig infrastruktur som till exempel kraftledningar. Numera sker datainsamlingen primärt via helikopter för identifiering av sådana träd. Genom att använda olika drönartekniker för datainsamlingen kan kostnaderna reduceras. Insamlingen av data genomfördes över ett glest barrskogsområde i Rörberg strax utanför Gävle. Laserdata samlades in med en LiDAR (Light Detection and Ranging)-sensor från YellowScan monterad på en Geodrone X4L Professional-drönare och de fotogrammetriska data med en drönare av typen DJI Phantom 4 RTK (Real Time Kinematic) med standardkamera. För bägge insamlingarna georefererades insamlade data direkt genom enkelstations-RTK för laserskanningen och med SWEPOS Nätverks-RTK för den fotogrammetriska flygningen. För att kontrollera kvaliteten av insamlade data mättes sex stycken kontrollprofiler in med totalstation i skogspartiet. Dessa jämfördes sedan mot de skapade punktmolnen. Medelavvikelsen och standardavvikelsen mellan LiDAR och kontrollprofilerna fastställdes till -0,038 m och 0,049 m. För fotogrammetrin och kontrollprofilerna bestämdes medelavvikelsen till +0,060 m och standardavvikelsen 0,090 m. Dessa värden jämfördes sedan mot kraven i SIS-TS 21144:2016. För att bestämma absoluta höjder mättes tio stycken träd in med totalstation. Trädens högsta och lägsta punkter koordinatbestämdes och utifrån subtraktion erhölls absoluta värden för vilka höjder från LiDAR- och fotogrammetriskt framställda trädhöjdsmodeller kom att jämföras mot. Jämförelsen mellan metoderna visade en medelavvikelse på -0,325 m för LiDAR och -0,928 m för fotogrammetrin. Slutsatsen av denna studie visar att LiDAR är den mest lämpade tekniken för detektering av trädhöjder och skapande av trädhöjdsmodeller. Detta baseras på erhållna höjdvärden, den digitala terrängmodellens kvalitet och den goda täckningen av punkter i plan och höjd för punktmolnet. / UAVs (Unmanned Aerial Vehicles) or drones are commonly used for collecting spatial data and aerial images by companies, state agencies and civilians. The UAV techniques makes collection of geodata easier for large areas and can be used for mapping, 3D modelling and other analyses, e.g. for volume determination. The aim of this study was to compare 3D point clouds generated from airborne laser scanning and digital photogrammetry for detecting heights of trees. It was also investigated which method produced the most reliable results and if these were applicable for detecting risk trees. The definition of risk trees in this study are trees that run the potential risk of damaging important infrastructure such as electric power transmission lines. Nowadays the collection of data is mainly conducted using helicopters for identifying the risk trees, but with UAV technologies costs can be significantly reduced. The collection of data was performed over a sparse coniferous forest area in Gävle, Sweden. Laser data was collected using a YellowScan LiDAR (Light Detection and Ranging) sensor mounted on a drone. For the photogrammetric data, a DJI Phantom 4 RTK (Real Time Kinematic) drone was used with its standard camera. Both techniques were directly georeferenced using Single station RTK and SWEPOS Network RTK respectively. To check the quality of the collected data, six control profiles were established using a total station. These measurements were then compared to the generated point clouds. Our results show that the mean deviation and standard deviation in height between LiDAR point clouds and the control profiles are -0,038 m and 0,049 m, respectively. The mean deviation and standard deviation for photogrammetric point clouds and control profiles are +0,060 m and 0.090 m, respectively. These values were then compared to the requirements in SIS-TS 21144:2016. To determine absolute tree heights, ten random trees were measured using a total station. The coordinates of the highest and lowest points of each tree were then subtracted to serve as absolute height values. The comparison of the two UAV methods showed mean height deviations of   -0,325 m for LiDAR and -0,928 m for the photogrammetry. This study concludes that LiDAR is the most suitable technology of the two methods tested for detecting tree heights and creating canopy height models. This is based on the obtained height values, the quality of the digital terrain model and the good distribution of points in plane and height for the point cloud.

Framtagandet av byggnadsinformationsmodeller (BIM) sker på många olika sätt och blir allt vanligare i dagens samhälle. I dagsläget sker datainsamlingen för att skapa en BIM med hjälp av terrester och flygburen laserskanning vilket gör det till en dyr och tidskrävande process. Denna studie syftar till att undersöka noggrannheten och precisionen i Apples LiDAR-sensor, samt undersöka hur enkelt det är för en mjukvara som automatiskt modellerar BIM att urskilja objekt ur ett punktmoln skannat med LiDAR-sensorn. För att uppnå detta har en friggebod skannats in sju gånger med en iPhone 13 Pro Max samt en gång med en terrester laserskanner P50 från Leica. Längder har beräknats i punktmolnen mellan måltavlor som placerats på friggeboden och avvikelser har beräknats mellan dessa längder där längderna i P50 punktmolnet varit referens. Utifrån dessa avvikelser har medeltal, standardosäkerhet, medeltalets standardosäkerhet, Root Mean Square (RMS) och skevhet beräknats. IPhone punktmolnen passades in på P50 punktmolnet med hjälp av funktionen ”best-fit registration” i mjukvaran Leica Cyclone 3DR för att studera hur stora avvikelser som uppkommer. Båda punktmolnen modellerades i mjukvaran Faramoon där skillnaderna i objektens geometriska egenskaper har jämförts med varandra. Analysen av längdavvikelser resulterade i att längderna mätta i samtliga iPhone punktmoln är positivt förskjutna relativt längderna i P50 punktmolnet. Skevhetsmåttet för samtliga punktmoln var negativt. RMS-värdet och standardosäkerheten för längdavvikelserna varierade med mer än en decimeter mellan punktmolnen. Standardosäkerheten varierade mellan 0,071 meter och 0,173 meter och RMS-värdet varierade mellan 0,082 meter och 0,184 meter. Resultatet av inpassningen med iPhone punktmolnen på P50 punktmolnet var även det varierande, på grund av att fördelningen av avvikelserna varierade mellan punktmolnen. Resultatet av modelleringen av BIM i Faramoon resulterade i att mjukvaran har svårt att modellera en BIM utifrån iPhone punktmolnen och att skillnaden i geometriska egenskaper uppgår till meternivå.  Studien visar att noggrannheten och precisionen i Apple LiDAR-sensor är varierande mellan olika skanningar men uteslutande på decimeternivå. Vilket gör att det inte rekommenderas att använda sensorn för mättekniska ändamål eller för automatiskt skapande av BIM. Sensorn kan istället användas för visuella tillämpningar, exempelvis till att skapa 3D modeller med hög osäkerhet. / The development of building information models (BIM) is becoming increasingly common in today’s society. At present, data collection to create a BIM is performed by using terrestrial and airborne laser scanning with a high resolution and almost mm uncertainty, which makes it an expensive and time-consuming process.  This study aims to investigate the accuracy and precision of Apple's LiDAR- sensor and explore how well a software that automatically models BIM can distinguish objects from a point cloud scanned with the LiDAR-sensor. To achieve this, a garden shed has been scanned seven times with an iPhone 13 Pro Max and once with the terrestrial laser scanner P50 from Leica. Lengths have been calculated in the point clouds between targets placed on the garden shed and deviations have been calculated between these lengths where the lengths in the P50 point cloud have been used as reference. Based on these deviations, the mean, standard uncertainty, standard uncertainty of the mean, the Root Mean Square (RMS) and skewness have been calculated. The iPhone point cloud was fitted to the P50 point cloud using the “best fit registration” function in the software Leica Cyclone 3DR to study how similar the iPhone point cloud is to the P50 point cloud. Both point clouds were modelled using a scan-to-BIM software i.e., Faramoon software, where the differences in the geometric properties of the objects have been compared with each other. The analysis of length deviations resulted in the lengths measured in all iPhone point clouds being shifted in the positive direction around the lengths in the P50 point cloud. The skewness for all point clouds was negative. The RMS value and the standard uncertainty for the length deviations varied by more than one decimetre. The standard uncertainty varies between 0.071 meters to 0.173 meters and the RMS value varies between 0.082 meters and 0.184 meters. The result of the alignment with the iPhone point clouds on the P50 point cloud was variable as the distribution of deviations between the point clouds were different. The result of the modelling of BIM in Faramoon resulted in that the software has it difficult to model a BIM based on the iPhone point clouds and that the difference in geometric properties between iPhone and P50 were up to meter level.  The study shows that the accuracy and precision of the Apple LiDAR-sensor vary between different scans but exclusively at the decimetre level. This means that it is not recommended to use the sensor for geodetic purposes or for the automatic creation of BIM. However, the Apple LiDAR-sensor can be used for visualizations of, for example, 3D models with high uncertainty.

Combining inertial measurements with LiDAR measurements for odometry and mapping is ubiquitous, but low-cost inertial measurement units are often noisy sensors, and it is suspected that naive integration of the measurements will result in deteriorated performance. The project explores under which circumstances integration of inertial measurements is beneficial for the robustness and accuracy of LiDAR odometry and mapping. It is already known that inertial measurements have the potential to improve performance, but when and how are rarely the main topics of study in existing literature. This project analyzes one way inertial measurements are used to compensate for motion while registering points from a spinning LiDAR, and compares this to a similar method that does not use inertial measurements. It is found that integration of inertial measurements is beneficial in cases of fast rotations of the sensor and that in other cases, it does not make a significant difference. The results can be explained with existing theory, and hence provide confidence in the theory for predicting behavior in similar systems. / Att kombinera tröghetsmätningar med LiDAR-mätningar för odometri och kartläggning är vanligt förekommande, men lågkostnadströghetsmätare är ofta brusiga sensorer och därmed misstänks att en naiv integrering av mätningarna skulle resultera i försämrad prestanda. Projektet utforskar i vilka fall det är gynnsamt att integrera tröghetsmätningar för LiDAR-odometri och kartläggning. Det är redan känt att tröghetsmätningar har potential att förbättra prestandan, men när och hur är sällan ett huvudområde i den befintliga litteraturen. Detta projekt undersöker ett sätt som tröghetsmätningar används på för att kompensera för rörelse i samband med registrering av punkter från en roterande LiDAR, och jämför detta med en liknande metod som inte använder tröghetsmätningar. Resultaten pekar på att integrering av tröghetsmätningar är gynnsamt i fall med hastiga rotationer av sensorn, i övriga fall observeras ingen avsevärd skillnad. Resultaten kan förklaras med befintlig teori, vilket styrker teorin och gör det möjligt att med högre tillit använda den för att förutse beteendet hos liknande system.

Les rivières en tresses constituent des plaines alluviales complexes constituées d'une mosaïque d'unités correspondant à des échelles spatio-temporelles différentes. L'objectif de cette thèse a été d'utiliser des données de LiDAR aéroporté pour améliorer la connaissance des réponses morphologiques des lits en tresses à différentes échelles spatio-temporelles. Dans un premier temps, 2 levés LiDAR séquentiels ont permis de détecter les changements morphologiques d’une tresse de 7 km survenus suite à une crue de période de retour 14 ans. Ces travaux ont été réalisés sur le site du Bès, un affluent de la Bléone. Les résultats ont mis en évidence l’importance des différentes étapes de traitement de l’information dans le calcul du bilan sédimentaire (réalignement des nuages de points séquentiels, évaluation de la bathymétrie, variabilité spatiale de l’incertitude altimétrique). L’exploitation des résultats a de plus montré un profond remaniement des chenaux tressés, du fait de l’occurrence de nombreuses avulsions. Dans un deuxième temps, les données LiDAR ont été utilisées pour caractériser la signature morphologique des lits en tresses à l’échelle plurikilométrique. L’analyse a porté sur un linéaire de plus de 25 km réparti sur 9 sites, dans les bassins versants de la Drôme, du Drac et de la Bléone. Premièrement, ces données mettent clairement en évidence l’effet du confinement de la tresse sur ses propriétés morphologiques avec entre autres un élargissement de la bande active à l'amont de ces zones. Deuxièmement, deux périodes caractéristiques ont été mises en évidence : autour de 3-4 et de 9-10 fois la largeur de la bande active. La période à 3-4 serait liée à la dynamique des macroformes. La période à 10 pourrait être liée à la dynamique de transfert à long terme des sédiments et pourrait correspondre aux successions longitudinales des mégaformes sédimentaires. Finalement, les données de LIDAR aérien ont été couplées à une étude diachronique de photographies aériennes pour reconstruire l'historique de formation des différentes unités spatiales composant la plaine d'inondation et relier cette structure avec les caractéristiques des unités de végétation. 3 rivières en tresses ont été étudiées dans les Alpes françaises avec un degré croissant d'activité : le Bouinenc, la Drôme et le Bès. Cette méthodologie a permis de reconstruire les différentes phases d'incision du lit avec deux périodes majeurs : avant 1948 et seconde partie du 20ème siècle. Il a aussi été montré l'impact des crues sur l'incision et l'élargissement de la bande active en lien avec le régime sédimentaire. Ces changements à long terme jouent un rôle significatif pour expliquer la mosaïque de la végétation de la plaine d'inondation avec une végétation bien développée et composée majoritairement d'unité matures dans le cas d'une rétraction et d'une incision sur le long terme. Les rivières plus actives présentent une diversité d'unité de végétation plus équilibrée. Enfin, la présence de lande arbustive semble être un bon indicateur des périodes d'incision. / Braided rivers form complex floodplains composed of sedimentary deposits mosaics, which differ in term of spatial and time scales, in function of hydrologic forcing and sediment supply. The goal of this thesis is to use airborne LiDAR to improve our understanding of braided channel morphological responses at different spatial and time scales.In a first time, two sequential airborne LiDAR surveys were used to reconstruct morphological changes of a 7-km-long braided river channel following a 14-year return period flood. This was done on the Bès River, a tributary of the Bléone River in southeastern France. Results highlighted the importance of different data processing steps in sediment budget computation (surface matching, bathymetry assessment, spatially distributed propagation of uncertainty). Analysis of these data also shows that the braided channel pattern was highly disturbed by the flood owing to the occurrence of several channel avulsions.In a second time, LiDAR data were used to look at longitudinal signatures of cross-sectional morphology at the scale of several kilometers. This study was done on 9 study reaches distributed on five braided rivers in Drôme, Drac and Bléone catchments. These data highlighted the effect of braided river confinement/obstruction on morphologic signature with upstream widening pattern. Secondly, two characteristic wavelengths have been identified from these signals: 3-4 and 10 times the active channel width. The first could be link to the dynamics of macroforms. The second could be associated to the dynamics of megaforms and long term sediment transfer.Finally, airborne LiDAR data were associated with archived aerial photos to reconstruct floodplain formation and relate this geomorphic organisation with vegetation patch characters. This is achieved on 3 different braided rivers in French Alps with an increasing degree of activity: the Bouinenc Torrent, the Drôme River and the Bès River. This methodology allowed us to establish the timing of channel incision with the identification of two major periods: before 1948 and second part of 20th century. Impacts of flood history on channel incision and widening pattern were also highlighted. These long term changes are playing a significant role to explain vegetation mosaics with a well-developed vegetated floodplain mainly composed of mature units following long term narrowing and incision. Rivers with higher activity show an equi-diversity of floodplain vegetation units. Finally, presence of shrubland patches seems to be good indicator of incision periods.

Im Rahmen der vorliegenden Arbeit wurde der Zusammenhang zwischen heterogener Eisbildung und Temperatur auf Basis eines 11-Jahres Lidardatensatzes untersucht, wobei besonders der potenzielle Einfluss von Wüstenstaubaerosol auf die heterogene Gefriertemperatur von unterkühlten Wasserwolken überprüft wurde. Der zugrundeliegende Lidardatensatz entstand im Rahmen von zwischen 1997 und 2008 am Leibniz-Institut für Troposphärenforschung (IfT) in Leipzig durchgeführten Lidarmessungen. Mehr als 2300 zeitlich und räumlich defifinierte Wolkenschichten wurden anhand des gemessenen linearen Depolarisationsverhältnisses als Flüssigwasserwolken oder als eisbeinhaltende Wolken klassifiziert. Dazu war es nötig, den störenden Einfluss von spiegelnden Reflektionen horizontal ausgerichteter Eiskristalle auf das gemessene Depolarisationsverhältnis zu charakterisieren. Die für die Auswertung benötigten Wolkenoberkantentemperaturen wurden aus Modelldaten oder, falls zeitnah verfügbar, aus Radiosondenprofifilen ermittelt. Die statistische Auswertung des Wolkendatensatzes ergab, dass der Anteil an eisbeinhaltenden Wolken mit abnehmender Temperatur stark zunimmt. Wurde in Wolken mit Oberkantentemperaturen zwischen 0 und -5 °C in nur 1% aller Fälle Eis detektiert, enthielten zwischen -10 und -15 °C bereits 40% der in dem Temperaturbereich beobachteten Wolken Eis. Bei Wolkenoberkantentemperaturen unterhalb von -25 °C wurde in nahezu 100% aller Fälle Eis in den Wolken beobachtet. Ein ähnlicher Zusammenhang zwischen Temperatur und dem Anteil an eisbeinhaltenden Wolken wurde bereits in zahlreichen auf Flugzeugmessungen basierenden Studien gefunden. In einem weiteren Schritt wurde der Wolkendatensatz mittels drei verschiedener Ansätze in einen staubbelasteten sowie einen staubfreien Teil getrennt. Dies geschah Anhand einer Trajektorien-Clusteranalyse sowie der Trennung bezüglich der von einem Mineralstaubvorhersagemodell berechneten Mineralstaubbelastung in Wolkenhöhe beziehungsweise in der gesamten Luftsäule über Leipzig. Die Trennung ergab, dass staubbelastete Wolken im Temperaturbereich zwischen -5 und -25 °C 10-30% mehr Eis beinhalten als staubfreie Wolken. Die Ergebnisse dieser Untersuchung legen deshalb nahe, dass Mineralstaub Eisbildung in unterkühlten Wolken maßgeblich fördert. Der Vergleich des Leipziger Wolkendatensatzes mit einem auf den Kapverden gesammelten Datensatz tropischer Wolken zeigte, dass trotz vergleichbarem Einfluss von Mineralstaubaerosol Eisbildung in den Tropen erst bei um 10 K tieferen Temperaturen einsetzt. Als mögliche Einflussfaktoren wurden Unterschiede in der atmosphärischen Dynamik und die Wirkung effektiverer Eiskeime über Mitteleuropa diskutiert.:1 Introduction 2 Ice formation 2.1 Homogeneous nucleation 2.2 Heterogeneous nucleation 2.2.1 Heterogeneous nucleation processes 2.2.2 Studies of heterogeneous nucleation 2.3 Dynamical processes and ice multiplication 3 Motivating questions for the present study 4 IfT Earlinet lidar MARTHA 4.1 IfT lidar system MARTHA 4.2 Lidar equation 4.3 Particle backscatter coefficient 4.3.1 Klett-Fernald method 4.3.2 Raman method 4.4 Particle extinction coefficient 4.5 Depolarization ratio 4.5.1 Depolarization ratio for idealized systems 4.5.2 Depolarization ratio for non-idealized systems 5 Cloud detection with MARTHA 5.1 Cloud geometrical properties 5.2 Meteorological data 5.3 Aerosol information 5.4 Cloud phase determination 5.5 Multiple scattering 5.6 Specular reflection 5.6.1 Instrumentation 5.6.2 WiLi and MARTHA observations 5.6.3 PollyXT and MARTHA observations 5.7 Liquid/Ice-containing layer discrimination scheme for MARTHA 6 Observations 6.1 20 June 2007: Cloud development in Saharan dust 6.2 3 November 2003 and 24 November 2006: Cloud development at aerosol background conditions 6.3 26 May 2008 and 26 December 2008: Indications for deposition nucleation 7 The MARTHA 1997-2008 cloud data set 7.1 Statistical basis 7.2 Geometrical cloud properties 7.3 Relationship between heterogeneous ice formation and temperature 7.4 Impact of Saharan dust on heterogeneous ice nucleation 7.4.1 Trajectory cluster analysis 7.4.2 Dust-model-based investigations 7.5 Discussion 8 Summary, conclusions, and outlook 8.1 Summary and conclusions 8.2 Outlook Bibliography List of abbreviations / The formation and presence of ice crystals in clouds strongly determines meteorological processes as precipitation formation but also climatological parameters as the radiation budget of the atmosphere. The process of ice formation, however, is not straightforward because ice crystals and liquid water droplets can coexist at temperatures from -38 °C to 0 °C. In this temperature range, aerosol particles, so-called ice nuclei, must be present to trigger ice formation in a supercooled droplet. From laboratory studies it is known that mineral dust particles are efficient ice nuclei. We present a statistical analysis of lidar-based observations of 2300 free-tropospheric clouds that was used to investigate the effect of mineral dust particles on the ice-formation temperature. The observations were performed at Leipzig, Germany (51° N, 12 °E). The time and height as well as the phase state (ice, liquid-water) of the observed clouds can easily be derived from the lidar data. The dust load in every observed cloud layer was determined by means of model data. From the analysis it was found that dust-affected clouds produce ice 50% more frequently than dust-free clouds at temperatures between -20 and -10 °C. In a last step we compared the relationship between ice-containing clouds and temperature of the Leipzig dataset with a similar data set from Cape Verde (15 °N, 23.5 °W). Even though dust is omnipresent in the troposphere at this location, the study of more than 200 spatially well-defined altocumulus clouds did not show a significant number of ice clouds at temperatures above -15 °C. Possible explanations for the observed differences between the Leipzig and the Cape Verde data set are contrasts in atmospheric dynamics over Central Europe and western Africa or the presence of anthropogenic aerosol over Europe that may provide additional effective ice nuclei besides Saharan dust.:1 Introduction 2 Ice formation 2.1 Homogeneous nucleation 2.2 Heterogeneous nucleation 2.2.1 Heterogeneous nucleation processes 2.2.2 Studies of heterogeneous nucleation 2.3 Dynamical processes and ice multiplication 3 Motivating questions for the present study 4 IfT Earlinet lidar MARTHA 4.1 IfT lidar system MARTHA 4.2 Lidar equation 4.3 Particle backscatter coefficient 4.3.1 Klett-Fernald method 4.3.2 Raman method 4.4 Particle extinction coefficient 4.5 Depolarization ratio 4.5.1 Depolarization ratio for idealized systems 4.5.2 Depolarization ratio for non-idealized systems 5 Cloud detection with MARTHA 5.1 Cloud geometrical properties 5.2 Meteorological data 5.3 Aerosol information 5.4 Cloud phase determination 5.5 Multiple scattering 5.6 Specular reflection 5.6.1 Instrumentation 5.6.2 WiLi and MARTHA observations 5.6.3 PollyXT and MARTHA observations 5.7 Liquid/Ice-containing layer discrimination scheme for MARTHA 6 Observations 6.1 20 June 2007: Cloud development in Saharan dust 6.2 3 November 2003 and 24 November 2006: Cloud development at aerosol background conditions 6.3 26 May 2008 and 26 December 2008: Indications for deposition nucleation 7 The MARTHA 1997-2008 cloud data set 7.1 Statistical basis 7.2 Geometrical cloud properties 7.3 Relationship between heterogeneous ice formation and temperature 7.4 Impact of Saharan dust on heterogeneous ice nucleation 7.4.1 Trajectory cluster analysis 7.4.2 Dust-model-based investigations 7.5 Discussion 8 Summary, conclusions, and outlook 8.1 Summary and conclusions 8.2 Outlook Bibliography List of abbreviations

No description available.