[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 308
نرخ پذیرش: 63
نرخ رد: 37
میانگین داوری: 209 روز
میانگین انتشار: 344 روز
..
:: دوره 11، شماره 4 - ( 12-1402 ) ::
جلد 11 شماره 4 صفحات 36-21 برگشت به فهرست نسخه ها
پیش تحلیل مدل های بازسازی توموگرافیک بخار آب مبتنی بر تحلیل ماتریس طراحی فضای مدل با ترکیب های متفاوت از مشاهدات ماهواره های GNSS
الهه صادقی* ، مسعود مشهدی حسینعلی ، عبدالرضا صفری
دانشگاه تهران
چکیده:   (530 مشاهده)
با توجه به اینکه بخار ­آب نقش کلیدی در تغییرات آب­و­هوایی ایفا می­کند، مدل­سازی این کمیت با بالاترین دقت و کمترین هزینه همیشه مورد توجه محققین بوده است. تکنیک توموگرافی از طریق آنالیز اثر لایه تروپوسفر بر روی سیگنال­های ماهواره­های GNSS به مدل­سازی چهار بعدی بخار ­آب می­پردازد. مجهول مسئله درتوموگرافی بخار­ آب مبتنی بر المان­های حجمی،  میزان این کمیت در هر المان می­باشد. یکی از مشکلات اساسی در توموگرافی تروپوسفر، عدم وجود و یا وجود تعداد ناکافی سیگنال در برخی از المان­های حجمی است. برای بررسی و ارزیابی کارایی مدل­های توموگرافی نیاز است که قبل از اجرای آن اعتبار مدل مورد بررسی قرار گیرد. در تحقیق پیشرو، میزان اثرگذاری دو پارامتر در بهبود بازسازی توموگرافیک انکسارپذیری­تر تروپوسفر از طریق آنالیز آماری ماتریس طراحی مدل مورد بررسی قرار گرفته است. اولین مورد بررسی تاثیر افزایش مشاهدات در مسئله توموگرافی با بکارگیری ترکیب­های متفاوتی از سیگنال­های ماهواره­های GNSS و مورد دوم بررسی تأثیر اندازه المان­های حجمی مدل در کیفیت مدل­سازی توموگرافیک انکسارپذیری­تر است. در این مطالعه از ماتریس رزولوشن و تابع گسترش آن برای ارزیابی  اعتبار مدل­های پیشنهادی، در مرحله پیش آنالیز بهره­گرفته شده است. نتایج نشان می­دهد که استفاده از مشاهدات تمامی ماهواره­ها باعث افزایش کیفت مدل­ها می­شود ولی این میزان چندان قابل توجه نمی­باشد. به عنوان مثال در مدل توموگرافی با رزولوشن افقی 40 کیلومتر با افزایش 65 درصدی میزان مشاهدات با بکارگیری تمام ماهواره­های فعال، تنها 7 درصد کمبود مرتبه ماتریس طراحی در روز مورد مطالعه بهبود پیدا کرده است و مقادیر تابع گسترش تقریباً در تمامی مدل­ها با یکدیگر برابری می­کنند. در مقابل بزرگ کردن ابعاد افقی شبکه می­تواند تاثیر بهتری در کیفیت مدل­ها داشته باشد؛ به گونه­ای که مقادیر تابع توسعه هنگامی که تنها از مشاهدات GPS استفاده شده از مقدار 2/0 در مدل با ابعاد افقی 30 کیلومتر به 04/0 در مدل با ابعاد افقی 50 کیلومتر کاهش پیدا کرده است. در واقع افزایش مشاهدات در کنار روش­های دیگر مانند معرفی ابعاد بهینه المان­های حجمی می­تواند در افزایش کیفیت مدل­های توموگرافیک انکسارپذیری­تر موثر باشد.


 
واژه‌های کلیدی: توموگرافی، ماتریس طراحی، ماتریس رزولوشن، تابع گسترش
متن کامل [PDF 826 kb]   (208 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: ژئودزی (عمومی)
دریافت: 1401/6/22 | پذیرش: 1401/10/5 | انتشار الکترونیک پیش از انتشار نهایی: 1402/11/29 | انتشار: 1402/12/14
فهرست منابع
1. [1] K. Chen, R. M. Horton, D. A. Bader, C. Lesk, L. Jiang, B. Jones, L. Zhou, X. Chen, J. Bi, and P. L. Kinney, "Impact of climate change on heat-related mortality in Jiangsu province, China", Environmental pollution, 224:317-325, 2017.
2. [2] Y. Yao, and Q. Zhao, "Maximally using GPS observation for water vapor tomography", IEEE Transactions on Geoscience and Remote Sensing, 54(12):7185-7196.
3. [3] G. Guerova, "Application of GPS derived water vapour for numerical weather prediction in Switzerland", Doctoral dissertation University of Bern, 2016.
4. [4] O. Bock, J. Tarniewicz, C. Thom, and J. Pelon, "The effect of in- homogeneities in the lower atmosphere on coordinates determined from GPS measurements", Physics and Chemistry of the Earth, Parts A/B/C, 27(4- 5):323-328, 2002.
5. [5] J. Tarniewicz, O. Bock, J. Pelon, and C. Thom, "Raman lidar for external GPS path delay calibration devoted to high accuracy height determination", Physics and Chemistry of the Earth, Parts A/B/C, 27(4-5), 329-333, 2002.
6. [6] J. Braun, C. Rocken, and J. Liljegren, "Comparisons of line-of-sight water vapor observations using the global positioning system and a pointing microwave radiometer", Journal of Atmospheric and Oceanic Technology, 20(5), 606-612, 2003. https://doi.org/10.1175/1520-0426(2003)20<606:COLOSW>2.0.CO;2 [DOI:10.1175/1520-0426(2003)202.0.CO;2]
7. [7] M. R. Troller, "GPS based determination of the integrated and spatially distributed water vapor in the troposphere", Ph.D. thesis, ETH Zurich, 2004.
8. [8] S. L. Lutz, "High-resolution GPS tomography in view of hydrological hazard assessment", Ph.D. thesis, ETH Zurich, 2008.
9. [9] S. Haji-Aghajany, Y. Amerian, and S. Verhagen, "B-spline function-based approach for GPS tropospheric tomography". GPS Solutions, 24(3):1-12, 2020. [10] J. Lingham, "Description logics for vague spatial data", Ph.D Thesis, Department of Spatial Information Science and Engineering at The University of Maine, 2004.
10. [10] X. Wang, and A. E. Dessler, "The response of stratospheric water vapor to climate change driven by different forcing agents", Atmospheric Chemistry and Physics, 20(21):13267-13282, 2020.
11. [11] M. Bevis, S. Businger, T. A. Herring, C. Rocken, R. A. Anthes, and R. H. War, "GPS meteorology: Remote sensing of atmospheric water vapour using the global positioning system", Journal of Geophysical Research: Atmospheres, 97(D14):15787-15801, 1992.
12. [12] L. Gradinarsky, and P. Jarlemark, "Ground-based GPS tomography of water vapour: analysis of simulated and real data", J Meteorol Soc Jpn Ser II 82:551-560, 2004.
13. [13] L. Gradinarsky, and P. Jarlemark, "Ground-based GPS tomography of water vapour: analysis of simulated and real data", J Meteorol Soc Jpn Ser II 82:551-560, 2004.
14. [14] X. Wang, and A. E. Dessler, "The response of stratospheric water vapor to climate change driven by different forcing agents". Atmospheric Chemistry and Physics, 20(21), 13267-13282, 2020.
15. [15] Z. Dong, and S. Jin, "3-D water vapor tomography in Wuhan from GPS, BDS and GLONASS observations". Remote Sensing, 10(1), 62, 2018.
16. [16] P. Benevides, J. Catalao, G. Nico, and P.M.A. Miranda, "4D wet refractivity estimation in the atmosphere using GNSS tomography initialised by radiosonde and AIRS measurements: results from a 1 week intensive campaign". GPS Solution 22:91. [DOI:10.1007/s10291-018-0755-5]
17. [17] Q. Zhao, Y. Yibin, and Y. Wanqiang, "Troposphere water vapour tomography: A horizontal parameterised approach." Remote Sensing 10, no. 8, 2018.
18. [18] M. Dehvari, S. Farzaneh, and M. A. Sharifi, "Combination of Radio Occultation data in 3D and 4D functional model tomography for retrieving the wet refractivity indices". Journal of the Earth and Space Physics, 48(1), 13-31. doi: 10.22059/jesphys.2021.321252.1007308, 2022.
19. [19] A. Flores, G. Ruffini, and A. Rius, "4D tropospheric tomography using GPS slant wet delays", In Annales Geophysicae, 18:223-234. Springer, 2000.
20. [20] H. Brenot, A. Walpersdorf, M. Reverdy, J. Van Baelen, V. Ducrocq, C. Champollion, F. Masson, E. Doerflinger, P. Collard, and P. Giroux, "A GPS network for tropospheric tomography in the framework of the Mediterranean hydro meteorological observatory Cévennes-Vivarais (southeastern France)", Atmospheric Measurement Techniques, 7(2):553-578, 2014.
21. [21] M. Bender, G. Dick, M. Ge, Z. Deng, J. Wickert, H.G. Kahle, A. Raabe, and G. Tetzlaff, "Development of a GNSS water vapour tomography system using algebraic reconstruction techniques", Advances in Space Research, 47(10):1704-1720, 2011.
22. [22] M. Bender, G. Dick, M. Ge, Z. Deng, J. Wickert, H.G. Kahle, A. Raabe, and G. Tetzlaff, "Development of a GNSS water vapour tomography system using algebraic reconstruction techniques", Advances in Space Research, 47(10):1704-1720, 2011.
23. [23] M. Bender, G. Dick, M. Ge, Z. Deng, J. Wickert, H.G. Kahle, A. Raabe, and G. Tetzlaff, "Development of a GNSS water vapour tomography system using algebraic reconstruction techniques", Advances in Space Research, 47(10):1704-1720, 2011.
24. [24] M. Troller, B. Burki, M. Cocard, A. Geiger, and H. G. Kahle, "3-d refractivity field from GPS double difference tomography", Geophysical research letters, 29(24):2-1, 2002.
25. [25] M. Bender, G. Dick, J. Wickert, M. Ramatschi, M. Ge, G. Gendt, M. Rothacher, A. Raabe, and G. Tetzlaff, "Estimates of the information provided by GPS slant data observed in Germany regarding tomographic applications", Journal of Geophysical Research: Atmospheres, 114(D6), 2009.
26. [26] C. Champollion, F. Masson, E. Doerflinger, P. Collard, P. Giroux, "A GPS network for tropospheric tomography in the framework of the Mediterranean hydro meteorological observatory Cévennes-Vivarais (southeastern France)", Atmospheric Measurement Techniques, 7(2):553-578, 2014.
27. [27] C. Champollion, F. Masson, E. Doerflinger, P. Collard, P. Giroux, "A GPS network for tropospheric tomography in the framework of the Mediterranean hydro meteorological observatory Cévennes-Vivarais (southeastern France)", Atmospheric Measurement Techniques, 7(2):553-578, 2014.
28. [28] B. Chen, and Z. Liu, "Voxel-optimized regional water vapor tomography and comparison with radiosonde and numerical weather model", Journal of geodesy, 88(7), 691-703, 2014.
29. [29] Z. Adavi, and M. Mashhadi-Hossainali, "4D tomographic reconstruction of the tropospheric wet refractivity using the concept of virtual reference station, case study: northwest of Iran", Meteorology and Atmospheric Physics, 126(3):193-205, 2014.
30. [30] E. Sadeghi, M. Mashhadi Hossainali, and A. Safari," Development of a hybrid tomography model based on principal component analysis of the atmospheric dynamics and GPS tracking data", GPS Solutions, 26(3), 1-13, 2022.
31. [31] Z. Adavi, R. Weber, and W. Rohm, "Pre-analysis of GNSS tomography solution using the concept of spread of model resolution matrix", Journal of Geodesy, 96(4), 1-12, 2022.
32. [32] C. Champollion, F. Masson, M.-N.Bouin, A. Walpersdorf, , E. Doerflinger, O. Bock, and J. Van Baelen, "GPS water vapour tomography: pre- preliminary results from the escompte field experiment", Atmospheric Research, 74(1-4):253-274, 2005.
33. [33] E. Sadeghi, M. Mashhadi-Hossainali, , and H. Etemadfard, "Determining precipitable water in the atmosphere of Iran based on GPS zenith tropospheric delays", Annals of geophysics, 57(4), A0430-A0430, 2014.
34. [34] W. Rohm, and J. Bosy, "Local tomography troposphere model over mountains area", Atmospheric Research, 93(4):777-783, 2009.
35. [35] Z. Adavi, and R.vWeber, "Evaluation of virtual reference station constraints for GNSS tropospheric tomography in Austria region," Adv. Geosci., vol. 50, pp. 39-48, 2019.
36. [36] W. Menke, "Geophysical data analysis: discrete inverse theory (MATLAB edition)", Academic Press, New York, 2012.
37. [37] R. C. Aster, B. Borchers, and C. H. Thurber, " Parameter estimation and inverse problems: Elsevier Academic", Borchers, CH Thurber-Elsevier-Academic Press, New York, London, 2005.
38. [38] Aster R, Borchers B, Thurber C. (2013) Parameter estimation and inverse problems. Academic Press, New York, 2013.
39. [39] H. Brenot, W. Rohm, M. Kaˇcmaˇrík, G. Möller, A. Sá, D. Tonda's, L. Rapant, R. Biondi, T. Manning, C. Champollion, "Cross-validation of GPS tomography models andmethodological improvements using CORS network", AtmosMeas Tech Discuss 2018:1-42. https://doi. org/10.5194/amt-2018-292, 2018.
40. [40] D. S. Watkins, "The singular value decomposition (SVD)", Fundamentals of Matrix Computations, 261-288, 2002.
41. [41] C. Miller, R., and P. S. Routh, "Resolution analysis of geophysical images: Comparison between point spread function and region of data influence measures", Geophysical Prospecting, 55(6), 835-852, 2007.
42. [42] B. Kaltenbacher, A. Neubauer, and O. Scherzer, "Iterative Regularization Methods for Nonlinear Ill-Posed Problems",Walter de Gruyter, 2008.
43. [43] D. Piretzidis, and M.G. Sideris, " MAP-LAB: a MATLAB graphical user interface for generating maps for geodetic and oceanographic applications, 2016.
44. [44] N. Maercklin, Seismic structure of the Arava fault, dead sea transform, 2004.
45. [45] A. Michelini, and T. McEvilly, "Seismological studies at Parkfield. I. Simultaneous inversion for velocity structure and hypocenters using cubic B-splines parameterisation. Bull Seismol Soc Am 81:524-552, 1991.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sadeghi E, Mashhadi Hossainali M, Safari A. Pre-analysis of GNSS water vapor tomography based on analysis of the models space resolution matrix with various combinations of GNSS satellites observations. jgit 2024; 11 (4) :21-36
URL: http://jgit.kntu.ac.ir/article-1-893-fa.html

صادقی الهه، مشهدی حسینعلی مسعود، صفری عبدالرضا. پیش تحلیل مدل های بازسازی توموگرافیک بخار آب مبتنی بر تحلیل ماتریس طراحی فضای مدل با ترکیب های متفاوت از مشاهدات ماهواره های GNSS. مهندسی فناوری اطلاعات مکانی. 1402; 11 (4) :21-36

URL: http://jgit.kntu.ac.ir/article-1-893-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 11، شماره 4 - ( 12-1402 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4657