Kurzfassung
Die inkorrekte Modellierung troposphärischer Laufzeitverzögerungen ist eine der Hauptfehlerquellen in der GNSS-Auswertung, da sie die Genauigkeit der Positionsbestimmung signifikant beeinträchtigt. Viele GNSS-Nutzer haben keinen Zugriff auf numerische Wettermodelle (NWM) oder gar auf Raytracing-Programme, mit welchen sich die troposphärischen Laufzeitverzögerungen der Signale sehr genau aus den NWM berechnen ließen. Aus diesem Grund kommt empirischen Troposphärenmodellen wie beispielsweise GPT2w (Global Pressure and Temperature 2 wet; Böhm et al., 2015) [1] in GNSS eine besondere Bedeutung zu. Leider ist deren Genauigkeit nicht mit jener von Echtzeitmodellen vergleichbar, was vor allem daran liegt, dass empirische Modelle kurzfristige Wettervariationen nicht erfassen können. Allerdings kann die Genauigkeit empirischer Modelle durch Hinzunahme meteorologischer Messungen an der Station deutlich gesteigert werden; die hydrostatische Zenitlaufzeitverzögerung kann sehr genau aus lokalen Druckmessungen berechnet werden, was es in GNSS-Auswertungen ohnehin übliche Praxis ist. In diesem Artikel wird ein Modell vorgestellt, mit welchem die feuchte Zenitlaufzeitverzögerung, die den Hauptunsicherheitsfaktor in der Troposphärenmodellierung darstellt, durch lokale Messungen von Temperatur und Wasserdampfdruck wesentlich genauer bestimmt werden kann als es durch rein empirische Methoden möglich ist. Vergleiche mit hochgenauen IGS-Produkten und Raytracing zeigen schließlich, dass mit diesem Modell die Genauigkeit empirischer feuchter Zenitlaufzeitverzögerungen um bis zu 30 % erhöht werden kann.

Abstract
Incorrect modeling of tropospheric delays is one of the major error sources in GNSS analysis, as it considerably impairs the accuracy of determined positions. Many GNSS users have no access to real-time information from numerical weather models (NWM), even less to a ray-tracing program capable of directly determining very exact tropospheric path delays. For this reason, empirical troposphere models such as GPT2w (Global Pressure and Temperature 2 wet; Böhm et al., 2015) [1] are of fundamental importance in GNSS analysis. Unfortunately, the accuracy of these empirical models is far worse than that of real-time data, mainly because there is no possibility of capturing short term weather variations, which do not follow seasonal trends. However, in situ meteorological data can be used to significantly improve these empirical models. As is common practice in GNSS analysis, in situ pressure allows very accurate determination of the zenith hydrostatic path delay. In this paper, a new model is proposed revealing new possibilities of improving the zenith wet path delay, which constitutes the main element of uncertainty in troposphere modeling, by additional knowledge of temperature T and water vapor pressure e. Comparison with IGS products or ray-tracing proves the ability of this model to improve empirical zenith wet delays considerably by up to 30%.