مقایسه مدل های تاخیر تروپوسفری با مقادیر زمین مبنای GPS ZTD در جو ایران
محل انتشار: مجله فیزیک زمین و فضا، دوره: 50، شماره: 1
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 103
فایل این مقاله در 14 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-50-1_002
تاریخ نمایه سازی: 17 اردیبهشت 1403
چکیده مقاله:
برای تعیین دقیق موقعیت به کمک GPS چندین منبع خطا وجود دارد که باید در نظر گرفته شود. یکی از این منابع خطا، تاخیر تروپوسفری سیگنال است که برآورد دقیق آن منجربه افزایش دقت تعیین موقعیت در ناوبری و همچنین محاسبه دقیق بخارآب قابل بارش برای هواشناسان و اقلیم شناسان می شود. علاوه بر پردازش مشاهدات GPS، استفاده از مدل های جهانی یا منطقه ای تجربی و یا مدل های مبتنی بر داده های هواشناسی سطحی از جمله روش های محاسبه تاخیر تروپوسفری زنیتی (ZTD) به حساب می آیند. ارزیابی دقت و صحت این مدل ها در هر منطقه قبل از استفاده در کاربری مورد نظر، امری ضروری است. در این مطالعه، به کمک یک سال از برآوردهای ZTD به دست آمده از پردازش مشاهدات GPS در ۲۸ ایستگاه واقع در منطقه ایران، کیفیت آماری مدل های هاپفیلد، ساستاموینن، HGPT۲ و GTrop بررسی شد. بر اساس نتایج، میانگین RMSE مقادیر یک سال از ZTD محاسبه شده به کمک مدل های هاپفیلد، HGPT۲، Gtrop و ساستاموینن به ترتیب ۷۵، ۸/۳۸، ۷/۳۱ و۱/۲۶ میلی متر برآورد شد. همچنین، میانگین بایاس مقادیر ZTD حاصل از مدل های هاپفیلد، HGPT۲، GTrop و ساستاموینن در کل منطقه به ترتیب ۸/۶۹-، ۹/۱۸، ۴/۵ و ۸/۱۰- میلی متر به دست آمد. براساس مقادیر ضرایب همبستگی، مدل هاپفیلد و ساستاموینن بیشترین همخوانی را با مقادیر ZTD حاصل از پردازش مشاهدات GPS زمینی داشتند. نتایج این مطالعه، نشان داد که به طورکلی مدل ساستاموینن نسبت به سه مدل دیگراز لحاظ آماری کارایی بیشتری دارد اما برای رسیدن به دقت های مناسب نیاز است که مدلی مناسب با منطقه ایران توسعه داده شود.
کلیدواژه ها:
نویسندگان
Ali Sam-Khaniani
گروه مهندسی نقشه بردای، دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران.
Rohollah Naeijian
گروه مهندسی نقشه بردای، دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران.
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 :