Journal of Geospatial Information Technology

fa پیش‌بینی جزر و مد با استفاده از آنالیز سری‌های زمانی مشاهدات بویه Tidal prediction using time series analysis of Buoy observations ژئودزی (عمومی) Geodesy پژوهشي Research مشاهدات جزرومدی که از طریق ایستگاه‌های تایدگیج ساحلی به‌دست می‌‌آیند از دقت بالایی برخوردار می-باشند. اما نصب این ایستگاه‌ها دارای محدودیت مکانی می‌باشد. برای رفع این نقیصه می‌توان از مشاهدات ارتفاع سنجی ماهواره‌ای استفاده کرد. اما در مقابل مشاهدات ارتفاع سنجی ماهواره‌ای از نرخ نمونه برداری پایینی برخوردار می‌باشند. با توجه به محدودیت نصب ایستگاه¬های تایدگیج و محدودیت فاصله نمونه‌برداری برای مشاهدات ارتفاع سنجی ماهواره‌ای، نیازمند مشاهدات و اطلاعاتی هستیم که بتواند این دو مشکل را مرتفع نماید. مشاهدات بویه علاوه بر دقت مناسب و فاصله نمونه برداری بالا این امکان را نیز فراهم می‌آورند که در بسیاری از مناطق دور از ساحل اندازه‌گیری و ثبت مشاهدات سطح آب دریاها را داشته باشیم .در این تحقیق به تجزیه و تحلیل مشاهدات بویه از طریق برآورد هارمونیک کمترین مربعات پرداخته شده است. به این صورت که با استفاده از این روش امکان استخراج فرکانس‌های مهم و معنی دار موجود در این داده‌ها میسر شده است. اهمیت این فرایند در مدلسازی جزرومد و پیش‌بینی جزرومد می‌باشد. اساس مدلسازی جزرومد و پیش‌بینی آن بر مبنای فرکانسی است که از خود مشاهدات استخراج شده است. در این تحقیق از مشاهدات مربوط به سری‌های زمانی 57 ایستگاه بویه در طول سال‌های 2005 تا 2017 استفاده شده است. لیستی از فرکانس‌های مهم استخراجی ارائه شده است. در ادامه با استفاده از این لیست فرکانسی ارائه شده به مقایسه پیش‌بینی جزرومد حاصل از مشاهدات بویه با مشاهدات تایدگیج ساحلی پرداخته شد. پیش‌بینی جزر و مد به مدت یک ماه برای تمام ایستگاه‌ها با استفاده از، فرکانس‌های مهم استخراجی حاصل از این تحقیق انجام گرفت. میانگین RMSE داده‌های پیش‌بینی شده در بین ایستگاه‌های بویه در حدود 6 سانتیمتر بوده است. در نهایت برای بررسی صحت داده‌های بویه، مقایسه‌ای بین این داده‌ها با داده‌های تایدگیج انجام گرفت. که نشان دهنده اختلافی در حدود 9 سانتیمتر در پیش‌بینی مشاهدات سطح آب بوده است.. Although tidal observations which are extracted from coastal tide gages, have higher accuracy due to their higher sampling rate, installing these types of gages can impose some spatial limitation since we cannot use every part of sea to install them. To solve this limitation, we can employ satellite altimetry observations. However, satellite altimetry observations have lower sampling rate. According to spatial limitation in installing tide gages and lower rate of satellite altimetry observations, we need observation as along with gathered information which can solve those two main margins. Buoy observations not only for its higher accuracy and sampling rate, but also because of its exclusive features can let us observe further coastal regions to record sea level observations. In this study, buoy observations are analyzed using Least Square Harmonic Estimation (LS-HE) method. According to this, important frequencies in those data can be extracted. This process is equally important in Tidal modeling as well as prediction. Tidal modeling and prediction are based on frequency which is derived from observations. In this contribution, time-series data of 57 buoy stations from 2005 to 2017 are processed and a list of important frequencies is prepared. In the following, the comparison between tidal prediction modeling extracted from buoy and tide gage observation was made by using this frequency list. Tide prediction of all the stations during a month was made according to important frequency list extracted in this study. The average RMSE for predicted data in buoy stations has been about 6 cm. Finally, to validate buoy’s data, comparison between buoy and tide gage data was made which represents about 9 cm difference in sea level prediction. سری زمانی ایستگاه‌های بویه, برآورد هارمونیک کمترین مربعات(LS-HE) , فرکانس‌های جزر و مد, پیش‌بینی جزر و مد Buoy observations, Time series analysis, Least square harmonic estimation, Tidal frequency, Tidal Prediction. 211 224 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-312-3&slc_lang=fa&sid=1 Saeed Farzaneh سعید فرزانه farzaneh@ut.ac.ir 10031947532846007462 10031947532846007462 Yes University of Tehran دانشگاه تهران Mohammad Ali Sharifi محمدعلی شریفی 10031947532846007463 10031947532846007463 No University of Tehran دانشگاه تهران Kamal Parvazi کمال پروازی 10031947532846007464 10031947532846007464 No University of Tehran دانشگاه تهران Bahare Namazi بهاره نمازی 10031947532846007465 10031947532846007465 No University of Tehran دانشگاه تهران