عنوان پایان‌نامه
بررسی اثر داده گواری مشا هدات سیستم تعیین مو قعیت جهانی روی پیش بینی های کوتاه مدت وضع هوادر ایران
- رشته تحصیلی
- مهندسی عمران - نقشه برداری- ژئودزی
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3257;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75176
- تاریخ دفاع
- ۲۲ تیر ۱۳۹۵
- دانشجو
- علی سام خانیانی
- استاد راهنما
- محمدعلی شریفی
- چکیده
- یکی از خطاهای اصلی در تعیین موقعیت با GPS، تاخیر سیگنال GPS در حال عبور از جو خنثی است که معمولا به تاخیر وردسپهری معروف است. این تاخیر در جهت زنیتی محاسبه می شود و شامل دو بخش تاخیر زنیتی هیدروستاتیکی (ZHD) و تر(ZWD) می باشد. مولفه ی ZHD با دقت زیادی توسط مشاهدات فشار سطحی قابل مدلسازی است درحالیکه مولفه ی ZWD با دقت زیاد توسط مشاهدات سطحی قابل مدلسازی نیست و وابسته به بخار آب جوی می باشد. در این پژوهش، سنجش بخار آب توسط GPS در تهران مورد بررسی قرار گرفت. دمای میانگین جوی پارامتری کلیدی در تبدیل ZWD به آب بارش‌شو (PWV) است. بنابراین به کمک 8 سال از داده های رادیوسوند و دمای سطحی، یک مدل خطی بهینه برای دمای میانگین جوی بدست آمد. پس از مقایسه ی این مدل با مدل Bevis et al. (1992)، برای مدل قبلی خطای بایاس میانگین 1.3 K و برای مدل محلی جدید کمتر از 0.1 K بدست آمد. سپس سری زمانی PWV در تهران از شروع 2005 تا انتهای 2013 تولید شد. مقایسه ی PWV حاصل از GPS و رادیوسوند نشان داد که GPS می تواند برای اندازه گیری PWV با دقت بالا استفاده شود. RMSE اختلافات بین PWV با استفاده از GPS و رادیوسوند در حد 1.5mm برآورد شد. در مدت زمان مطالعاتی، GPS PWV همبستگی قابل توجهی با بارش در تهران نشان داد. سپس مقادیر حد آستانه برای بی‌هنجاری رطوبت نسبی در کنار بی‌هنجاری های مختلف PWV که با رخداد بارش مرتبط بودند، در این پژوهش مد نظر قر گرفتند. تحلیل ها نشان داد که استفاده از بی‌هنجاری GPS در کنار مقادیر پارامترهای سطحی هواشناسی به طرز قابل توجهی تعداد تشخیص های غلط بارش را کاهش می دهد. همچنین در این پژوهش اثر داده گواری داده های PWV ایستگاه های GPS دائمی کشور به همراه مشاهدات مرسوم هواشناسی در پیش‌بینی های کوتاه مدت بارش، رطوبت نسبی و بخار آب در شمال ایران مورد بررسی قرار گرفت. به این منظور، روش های داده گواری 3DVAR و 4DVAR در مدل میان مقیاس WRF برای سه مورد بارشی (1 فوریه، 17 سپتامبر و 24 نوامبر 2014) در شمال ایران استفاده شد. برای هر مورد بارشی، سه آزمایش عددی الف) بدون داده گواری (CTRL)، ب) داده گواری با داده های معمول هواشناسی ( CONVDA) و ج) داده گواری داده های هواشناسی و GPS (GPSCONVDA) انجام شد. در آزمایش الف شرایط مرزی و اولیه از داده های سامانه جهانی پیش‌بینی (GFS) که توسط مرکز ملی پیش‌بینی های محیطی (NCEP) تولید شده است، تهیه می شود. در حالت دوم شرایط مرزی و اولیه علاوه بر داده های GFS از داده گواری مشاهدات مرسوم هواشناسی بدست می آیند و در حالت سوم علاوه بر مشاهدات مرسوم، اندازه گیری های شبکه ی دائمی GPS کشور نیز وارد داده گواری می شوند. نتایج نشان داد که در پیش‌بینی های 24 ساعت اول، داده گواری مشاهدات موجب کاهش 5 تا 17 درصدی خطای بارش تجمعی شد. همچنین نتایج نشان داد که آزمایش GPSCONVDA اثر مثبت بیشتری روی پیش‌بینی های PWV مدل نسبت به CONVDA و CTRL داشته است و موجب کاهش خطای پیش بینی به میزان 0.2 تا 1 میلیمتر شده است. مقایسه ی پیش‌بین های 12 و 24 ساعته از نمایه قائم رطوبت نسبی با مشاهدات متناظر در ایستگاه رادیوسوند مهرآباد نشان داد که استفاده از مشاهدات GPS در داده گواری موجب بهبود نسبی پیش‌بینی 12 ساعته ی رطوبت زیر تراز 500 میلی بار شده است. به طور کلی ارزیابی مقادیر خطای محاسبه شده برای پیش‌بینی کمیت های جوی مختلف ، اثر مثبت داده گواری مشاهدات به ویژه داده های GPS PWV را در بهبود نسبی پیش بین های عددی نشان داد. کلید واژه ها:داده گواری، ایران، سیستم تعیین موقعیت، پیش بینی
- Abstract
- The principal error source in the positioning using GPS is a delay experienced by the GPS signal in propagating through the electrically neutral atmosphere, usually referred to as a tropospheric delay. This delay is normally calculated in the zenith direction, which consists of a zenith hydrostatic delay (ZHD) and zenith wet delay (ZWD). The ZHD component can be modeled accurately using surface pressure measurements, while the ZWD component cannot be modeled from surface observations and depends on atmospheric water vapor. In this project, the sensing of water vapor using the global positioning system (GPS) was investigated in Tehran. Water vapor mean temperature Tm is a key parameter in conversion of GPS zenith wet delay to precipitable water vapor (PWV). Then, by using 8 years of radiosonde and surface temperature data, we achieved a new improved Tm model in Tehran. After the comparison of Bevis et al.(1992) and the local models, a mean bias error of -1.3 K was found for Bevis model, while this is less than 0.1 K for the new local model. Therefore, PWV time series were generated for the ground based GPS site in Tehran from the beginning of 2005 to the end of 2013. Comparing the GPS with the radiosonde PWV, it was shown that the GPS can be used to measure the PWV with high precision. The root mean square error for differences between the GPS and radiosonde was derived as 1.5 mm. The PWV has significant relationship with precipitation in our case study. The thresholds of the relative humidity anomaly with different PWV anomaly related to rainfall occurrences are also considered in this research. The analyses show that use of PWV anomaly condition together with surface meteorological parameters reduces the number of false rainfall recognitions significantly. In this work, we also investigate the effect of assimilation of synoptic and radiosonde as a conventional and ground based GPS Precipitable Water Vapor (PWV) as a non-conventional data on the short-term prediction of precipitation, vertical relative humidity and PWV fields over north of Iran. For the purpose of assimilation, the three and four Dimensional Variational (3&4DVAR) data assimilation system of the Weather Research and Forecasting (WRF) model was used in three rainfall cases. In each case, three numerical experiments, namely CTRL, CONVDA and GPSCONVDA, are performed. The CTRL experiment uses the global analysis as the initial and boundary conditions of the model. In the second experiment, surface and radiosonde observations are inserted into the model. Finally, the GPSCONVDA experiment uses the GPS PWV data in the assimilation process in addition to the conventional observations. It is found that in 24-h model simulation, assimilation of observations reduced the Mean Absolute Error (MAE) of the accumulated precipitation about 5 to 17 percent. Also, the results suggest that the assimilation of GPS data has the greatest positive impact on model PWV simulations and reduced the forecast errors about 0.2 to 0.7mm. Comparison of the vertical pro?les of 12- and 24-hr simulated relative humidity with the corresponding radiosonde observations at Tehran station in the GPSCONVDA experiment showed better agreement bellow 500 mb levels in 12-hr simulation. Overall, evaluation of computed values of the forecast errors of different atmospheric parameters showed that the assimilation of observations especially GPS PWV data have a positive impact on the numerical simulations.
