ارزیابی تابع کووریانس بهبودیافته در مدل سازی ژئوئید محلی به روش کالوکیشن کمترین مربعات- منطقه مطالعاتی: استان تهران
محل انتشار: مجله فیزیک زمین و فضا، دوره: 46، شماره: 3
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 128
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-46-3_007
تاریخ نمایه سازی: 26 مهر 1402
چکیده مقاله:
در پژوهش پیش رو، جهت رفع محدودیت های ناشی از عدم وجود شبکه گرانی متراکم و پراکندگی نامناسب مشاهدات گرانی سنجی زمینی در محدوده ایران و افزایش دقت مدل سازی محلی ژئوئید صرفا گرانی، از مشاهدات GNSS/Leveling در فرایند بهینه سازی پارامترهای تابع کووریانس استفاده شد. در این مقاله، علاوه بر پیاده سازی ایده کووریانس بهبودیافته، تاثیر پارامترهای وسعت محدوده، تراکم و کیفیت پراکندگی مشاهدات بر مدل سازی محلی ارتفاع ژئوئید بررسی شد و ارزیابی نتایج آن حاکی از افزایش دقت مدل سازی محلی ژئوئید به زیر ۹ سانتی متر در محدوده استان تهران و در شهر تهران بزرگ به ۶ سانتی متر در مقایسه با نقاط کنترلی و به ترتیب، متناظر با ۴۹ و ۵۱ درصد بهبود در مقایسه با مدل جهانی EGM۲۰۰۸ می باشد. در این مطالعه، مشخص شد که استفاده از کووریانس بهبودیافته موجب کاهش حساسیت دقت مدل به پارامتر وسعت و وضعیت پراکندگی مشاهدات زمینی گشته که به ویژه برای مناطقی مانند ایران-به دلیل محدودیت در کیفیت پراکندگی و تراکم مشاهدات-که انتخاب محدوده مناسب برای مدل سازی محلی میدان گرانی امر چالش برانگیزی ست، می تواند کاربرد داشته باشد.
کلیدواژه ها:
Least Squares Collocation ، Earth gravity field localization ، Geoid height ، Remove-Compute-Restore ، EGM۲۰۰۸
نویسندگان
Sabah Ramouz
M.Sc. Graduated, Department of Surveying and Geomatics Engineering, Faculty of Engineering, University of Tehran, Iran
Abdolreza Safari
Professor, Department of Surveying and Geomatics Engineering, Faculty of Engineering, University of Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :