Detailansicht
Earth as an exoplanet
the impact of clouds on the transmission spectrum
Isabella Winterer
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Meteorology and Climate Science
Betreuer*in
Aiko Voigt
DOI
10.25365/thesis.81504
URN
urn:nbn:at:at-ubw:1-17460.65948.521063-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Studie untersucht die Auswirkungen von Wolken, basierend auf Simulationen des ICON-A-Klimamodells, auf synthetische Transmissionsspektren. Um ein umfassendes Bild zu erhalten, wurde ein Parameterraster aus unterschiedlich großen Sternen und verschiedenen Bahndistanzen analysiert. Dieser Ansatz ermöglicht es, anhand realistischer Wolkensimulationen der Erde aufzuzeigen, wie sich verschiedene Szenarien in Bezug auf Wolkenbedeckung verhalten. Ziel ist es, zu ermitteln, welche Konstellationen für Beobachtungen am sinnvollsten sind, insbesondere im Hinblick auf die Erschwerung, Wasserdampf (H2O) sowie weitere molekulare Signaturen bei vorhandenen Wolken nachzuweisen. Die Ergebnisse zeigen, dass neben der Wolkenmaskierung auch das Stern-zu-Planet-Radiusverhältnis und die atmosphärische Refraktion eine entscheidende Rolle für die Detektierbarkeit spielen. Besonders das NIR H2O Band verzeichnet bei Vorkommen von Wolken einen extrem hohen Signalverlust. In einem optimalen Beobachtungsszenario ohne weitere Barrieren (wie Refraktion oder zu geringen astronomischen Kontrast) – also beispielsweise bei einem Planeten um einen M8-Zwerg – dämpfen die Wolken das H2O-Signal um bis zu 60 %. In weniger optimalen Szenarien – etwa bei größeren Sternen oder weiteren Umlaufbahnen – nimmt dieser relative, durch Wolken verursachte Signalverlust ab. Die generelle Detektierbarkeit atmosphärischer Merkmale sinkt in diesen Systemen jedoch drastisch, da Refraktion und ungünstige Stern-zu-Planet-Radiusverhältnisse das Signal limitieren.
Abstract
(Englisch)
This study investigates the impact of clouds, derived from simulations of the ICON-A climate model, on synthetic transmission spectra. To obtain a comprehensive overview, a parameter grid encompassing varying stellar sizes and orbital distances was analyzed. This approach allows for the evaluation of how different observational scenarios behave in relation to cloud coverage, utilizing realistic cloud simulations of Earth. The primary objective is to determine which geometric and stellar constellations are the most viable to target, particularly concerning the challenge of detecting water vapor (H2O) and other key molecular signatures in the presence of clouds. The results demonstrate that, in addition to cloud masking, the planet-to-star radius ratio and atmospheric refraction play critical roles in signal detectability. The NIR H2O, in particular, exhibits an exceptionally high signal loss when clouds are present. In an optimal observational scenario devoid of other limiting factors (such as atmospheric refraction or low astronomical contrast)—for instance, an Earth-like planet orbiting an ultra-cool M8 dwarf—clouds are found to dampen the H2O transmission signal by up to 60 %. In non-optimal scenarios—such as systems with larger host stars or wider orbits—this relative cloud-induced signal loss actually decreases. However, the overall detectability of atmospheric features in such systems drops significantly, as the absolute signal becomes severely limited by refraction and unfavorable star-to-planet area ratios.
Schlagwörter
Schlagwörter
(Deutsch)
Exoplaneten Transmissionsspektroskopie Klimamodellierung
Schlagwörter
(Englisch)
Exoplanets Transmission spectroscopy Climate modelling
Autor*innen
Isabella Winterer
Haupttitel (Englisch)
Earth as an exoplanet
Hauptuntertitel (Englisch)
the impact of clouds on the transmission spectrum
Publikationsjahr
2026
Umfangsangabe
39 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Aiko Voigt
Klassifikationen
38 Geowissenschaften > 38.82 Klimatologie ,
38 Geowissenschaften > 38.84 Meteorologie. Sonstiges
AC Nummer
AC17922780
Utheses ID
81489
Studienkennzahl
UA | 066 | 614 | |