عنوان پایان‌نامه
مدلسازی بخار اب اتمسفر و تصحیحات اتمسفری در InSAR
- رشته تحصیلی
- مهندسی عمران- نقشه برداری- سنجش ازدور
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2623;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 62563
- تاریخ دفاع
- ۳۰ دی ۱۳۹۲
- دانشجو
- امیرحسین سوری
- استاد راهنما
- محمدعلی شریفی
- چکیده
- اتمسفر خنثی با وجود گازهای مختلف از جمله بخار آب بر فاز امواج مایکرویو از جمله GPS(Global Positioning System) ، SAR(Synthetic Aperture Radar) و (Very Long Baseline Interfrometry)VLBI تاثیر میگذارد. اگرچه تاثیر بخش غیرخنثی (یونسفر) با استفاده از دو فرکانس در مشاهدات GPS تا حدود زیادی قابل حذف است، اما بخش غیرخنثی بسیار متغیر بوده و به فرکانس در محدوده ی مایکرویو وابسته نیست. از این رو برآورد این تاخیر نیازمند مدل سازی منحصر به فرد است. در این برآورد ابتدا می‌بایست مقدار تاخیر در غیراز زاویه زنیتی تبدیل به زنیت گردد. این مهم با استفاده از توابع نگاشت که با استفاده از ray-tracing در داده های هواشناسی تهیه شده اند میسر می‌گردد. در این پایان نامه ضمن مروری بر جدیدترین توابع نگاشت، با استفاده از داده های رادیوسند در کل زمین و در طول یکسال دقت آن‌ها مورد بررسی قرار می‌گیرد. ایستگاه‌های GPS با استفاده از تعداد و نرخ مشاهدات بالا قادرند بخار آب را با قدرت تفکیک زمانی و دقت بالا محاسبه نمایند. این قدرت تفکیک زمانی بالا مارا قادر میسازد که در مورد تغییرات زمانی بخار آب در دوره های کوتاه و بلند تحقیق کنیم. در این پایان نامه برای محاسبه ی مقدار تاثیر بخش غیرهیدروستاتیک (تاثیربخارآب) از روش آماری random walk در قدرت تفکیک زمانی 5 دقیقه استفاده شده است. پس از تبدیل این تاخیر به مقدار بخار آب قابل بارش میزان تغییرات سالیانه نسبت به توپوگرافی، بارش و موقعیت جغرافیایی بررسی می‌شوند. دوره های روزانه نیز که نقش مهمی در شناخت جریانات و فیزیک محلی منطقه دارند نیز مطالعه میگردند. پس از بدست آوردن این مشاهدات، با استفاده از روش برآورد هارمونیک کمترین مربعات، ترم های هارمونیک این مشاهده محاسبه شده و سپس با روش هوشمند، ماشین بردار پشتیبان ترم های غیرهارمونیک مدل می‌شوند. پس از مدل سازی زمانی، با استفاده از ماهیت تغییرات بخارآب نسبت به توپوگرافی و موقعیت مسطحاتی و تعداد ایستگاه GPS، مدل سازی مکانی در دو بخش وابسته به توپوگرافی و تلاطم مخلوط محاسبه می‌گردد. در نهایت نقشه ی دقیق بخار آب با قدرت تفکیک مکانی و زمانی بالا تهیه می‌شود. از این نقشه برای حذف تاخیر غیرهیدروستاتیک در تکنیک InSAR استفاده می‌گردد. به علت نبود دوفرکانس در مشاهدات SAR ، برای بخش غیرخنثی(یونسفر) این خطا با استفاده از نقشه ی جهانی یونسفر حذف خواهد شد. واژه‌های کلیدی: GPS در هواشناسی، اتمسفر خنثی، توابع نگاشت متقارن، آنالیز سری زمانی، InSAR
- Abstract
- Radiometric space geodesy systems such GPS, Very Long Baseline Interferometry (VLBI) and InSAR technique are complicated by Earth's troposphere. Since the effect of the troposphere on radiometric signals does not depend on frequency, dealing with the troposphere delay is problematic, requiring some models and techniques to mitigate it.The mapping function models the elevation angle dependence of the tropospheric delay. Niell Mapping Function (NMF), Vienna Mapping Function (VMF1), University of New Brunswick-VMF1 (UNB-VMF1) mapping functions, Global Mapping Function (GMF) and Global Pressure and Temperature (GPT2)/GMF are evaluated by using ray tracing through 25 radiosonde stations covering different climatic regions in one year. The ray-traced measurements are regarded as “ground truth”. The ray-tracing approach is performed for diverse elevation angle starting at 5o to 15o. The results for both hydrostatic and non-hydrostatic components of mapping functions support the efficiency of online-mapping functions. The latitudinal dependence of standard deviation for 5o is also demonstrated. Although all the tested mapping functions can provide satisfactory results when used for elevation angles above 15o, for high precision geodetic measurements, it is highly recommended that the online-mapping functions (UNBs and VMF1) be used.The results suggest that UNB models, like VMF have strengths and weaknesses and do not stand out as being consistently better or worse than the VMF1. The GPT2/GMF provided better accuracy than GMF and NMF. Since all of them do not require site specific data; therefore GPT2/GMF can be useful as regards its ease of use. Water vapor is constantly cycling through the atmosphere, evaporating from the surface, condensing to form clouds and subsequently returning to the earth as precipitation. With a total amount of 62%, water vapor contributes more than any other components of the atmosphere to the greenhouse effect. A diverse of platforms and sensors is available to estimate atmospheric water vapor and subsequently Precipitable Water Vapor(PWV). Although the satellite measurements such as MODIS have high spatial coverage, the temporal sampling still remains inadequate. Global Positioning System (GPS) stations offer to provide total water column at high quality under all weather conditions with high temporal resolution.The technique used in this work is Precise Point Positioning (PPP) for single dual-frequency GPS receiver aided by precise orbit and clock product. Zenith Wet Delay (ZWD) is estimated through a stochastic process called random walk at 5 min intervals. In order to investigate the regular variations of the PWV, the Least-Squares Harmonic Estimation (LS-HE) is applied to time series of PWV derived from four-year GPS station observations. Subsequently LS-SVM (Least-Squares Support Vector Machine) optimized by cross-validation strategy is used to model non-harmonic components of the signal.noise within observation and model harmonic components. The seasonal and diurnal variation of PWV for four GPS stations located in Europe also are investigated. Latitude and station height are the most influential factors for amount of water vaporwhen we compare their amplitude and offset to NASA Water Vapor Dataset-M (NVAPM) and station height. The area-averaged accumulated rain time series retrieved from TRMM product also shows that high PWV does not strictly lead to rainfall. The amplitudes of diurnal and semi-diurnal variations are found much lower amount than seasonal variation. Results also demonstrate the solar heating is the main criterion induce diurnal and seasonal variations. We also mitigate tropospheric effects on InSAR technique using elevation-dependent and turbulent-mixing models to create non-hydrostatic map created by GPS ZWD retrieval. In order to remove ionospheric effects in low frequency sensors such as ALOS, Global Ionosphere Map (GIM) is deployed. The fine results demonstrate both ionospheric and tropospheric effects have been mitigated significantly. Keyword: Neutral-atmosphere, GPS meterology, mapping functions, InSAR.
