بهبود VTEC مدل تجربی IRI با استفاده از مشاهدات اختفای رادیویی COSMIC۲
محل انتشار: مجله فیزیک زمین و فضا، دوره: 52، شماره: 1
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 76
فایل این مقاله در 15 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-52-1_001
تاریخ نمایه سازی: 1 تیر 1405
چکیده مقاله:
از آنجایی که توزیع مکانی نامناسب داده های ورودی سبب عدم قطعیت مدل های تجربی یونوسفری در برخی از مناطق می شود، هدف این مقاله ارائه روشی جهت بهبود مدل مرجع بین المللی یونوسفری (IRI) با استفاده از مشاهدات ماهواره اختفای رادیویی COSMIC۲ است. روش پیشنهادی شامل دو بخش پس زمینه و تصحیحات می شود. مدل IRI-۲۰۲۰ به عنوان مدل پس زمینه انتخاب و بخش تصحیحات با توابع پایه هارمونیک کروی تا درجه و مرتبه ۱۵ مدل سازی شده است. نقشه های بهبودیافته به دلیل توزیع مکانی اندازه گیری های COSMIC۲، محدوده عرض جغرافیایی ۳۰ درجه جنوبی الی ۳۰ درجه شمالی را در برمی گیرند. همچنین، این نقشه ها دارای قدرت تفکیک مکانی ۵ درجه در راستای طول جغرافیایی و ۵/۲ درجه در راستای عرض جغرافیایی و قدرت تفکیک زمانی ۲ ساعت می باشند. یافتن مجهولات هارمونیک کروی مستلزم حل یک مسئله معکوس و استفاده از روش های پایدارسازی است. برای این منظور دو روش پایدارسازی مستقیم تیخونوف و تکراری کمترین مربعات کوادراتیک (LSQR) انتخاب شد. جهت ارزیابی نقشه های حاصل، از محتوای کلی الکترونی قائم (VTEC) ایستگاه های تعیین موقعیت جهانی (GPS) استفاده شده است. نتایج نشان داد که به طور کلی روش پیشنهادی در کاهش خطای جذر میانگین مربعات نرمالایزشده (NRMSE) ایستگاه های GPS مستقر در خشکی و دریا حتی در زمان رخداد طوفان ژئومغناطیسی موثر عمل کرده است، ولی میزان بهبود بستگی به محل رخداد مشاهدات اختفای رادیویی دارد. روش تیخونوف و LSQR به ترتیب مقدار NRMSE را در شرایط آرام حدود ۳۴/۱ و ۷۵/۱ درصد و در شرایط طوفانی به ترتیب حدود ۶۸/۳ و ۸۶/۳ درصد کاهش یافت.
کلیدواژه ها:
نویسندگان
Zahra Foroodi
گروه ژئودزی، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.
Yazdan Amerian
گروه ژئودزی، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، 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 :