Journal of Geomatics Science and Technology

fa ترکیب مشاهدات سیستم تعیین موقعیت جهانی و ماهواره سنتینل-3 با استفاده از روش درون‌یابی کولوکیشن کمترین مربعات جهت تهیه مدل تأخیر تروپوسفری GPS and Sentinel-3 Satellite Observations Combination Using Least Squares Collocation Interpolation Method for Tropospheric Delay Model Generation ژئودزی و هیدروگرافی Geo&Hydro پژوهشي Research <div style="text-align: justify;">هدف اصلی سیستم‌های ماهواره‌ای ناوبری جهانی، تعیین موقعیت دقیق نقاط در تمام شرایط آب و هوایی است. از طرفی امواج ارسالی از ماهواره‌های این سیستم‌ها‌ از لایه‌های مختلف جو نظیر تروپوسفر عبور کرده و این امر منجر به ایجاد انکسار در مسیر حرکت موج و در نهایت تأخیر در دریافت امواج مذکور می‌گردد. از این ‌جهت مطالعه تروپوسفر و تأثیر آن بر سیگنال‌های سیستم تعیین موقعیت جهانی از اهمیت خاصی برخوردار است. تأخیر تروپوسفری به دو بخش خشک و تر تقسیم‌بندی می‌شود که با توجه به وابستگی بخش تر به تغییرات بخار آب به ‌عنوان چالش‌برانگیزترین بخش تأخیر تروپوسفری مورد توجه بیشتری واقع می‌شود. در این مقاله هدف، مدل‌سازی تأخیر تر تروپوسفری زنیتی در محدوده شهر لس‌آنجلس واقع در کشور آمریکا با استفاده از ترکیب داده‌های سنجنده OLCI ماهواره سنتینل-3 با قدرت تفکیک مکانی بالا و داده مربوط به 97 ایستگاه‌ GPS با قدرت تفکیک زمانی بالا است. روش درون‌یابی کولوکیشن کمترین مربعات به منظور مدل‌سازی مکانی-زمانی تأخیر تر تروپوسفری به کار گرفته شده است. به منظور برآورد ترند در روش کولوکیشن کمترین مربعات، از ترکیب داده‌های دو منبع فوق استفاده شد و یک رویه چهار بعدی (زمانی-مکانی) به داده‌های تأخیر تر تروپوسفری زنیتی حاصل از سنجنده OLCI و ایستگاه‌های GPS برازش داده شد. در بخش برآورد سیگنال مشاهدات، به جای در نظر گرفتن یک تابع کوواریانس مکانی-زمانی، بازه زمانی مدل‌سازی را به زیر بازه‌های کوچک‌تر تقسیم کرده و توابع کوواریانس مکانی در هر زیربازه برآورد شده است. نتایج روش مقاله و نتایج حاصل از مدل ساستامینن که از داده‌های تحلیل‌شده GFS بهره می‌برد، با مقادیر نقاط کنترل مورد مقایسه قرار گرفت که RMS تأخیر تر برآورد شده در نقاط کنترل با روش کولوکیشن کمترین مربعات 86/1 سانتی‌متر بود، این در حالی است که RMS مدل ساستامینن  برابر 97/15 سانتی‌متر است.</div> <div style="text-align: justify;">The main goal of global navigation satellite systems is to determine the precise coordinate of points in all weather conditions. On the other hand, the waves transmitted from the satellites of these systems pass through different layers of the atmosphere such as the troposphere, and this leads to refraction in the path of the wave and ultimately delays in receiving the waves. Therefore, the study of the troposphere and its effects on the signals of the global positioning system is particularly important. The tropospheric delay is divided into two parts, dry and wet, which due to the dependence of the wet part on water vapor changes is the most challenging part of the tropospheric delay.  The aim of this paper is modeling of tropospheric zenith wet delay in Los Angeles in the United States, utilizing a combination of OLCI sensor data of Sentinel-3 satellite with high spatial resolution and data from 97 high temporal resolution GPS stations in this area. The least-squares collocation method is applied for spatio-temporal modeling of the tropospheric zenith wet delay. In order to estimate the trend in the least-squares collocation method, a combination of data from the above two sources was used and a four-dimensional (temporal-spatial) surface was fitted to the tropospheric zenith wet delay data obtained from the OLCI sensor and GPS stations. In the estimation of the observation signal part, instead of considering a spatial-temporal covariance function, the modeling time interval is divided into smaller sub-intervals and the spatial covariance functions are estimated in each sub-interval. The results of the article method and Sastamoinen model which uses the analyzed GFS data were compared with control points values. The RMS of estimated zenith wet delay in control points by least squares collocation was 1.86 centimeter, while the RMS of the Sastamoinen method is 15.97 centimeters.</div> تأخیر تر تروپوسفری زنیتی, کولوکیشن کمترین مربعات, سیستم تعیین موقعیت جهانی, کوواریانس مکانی زمانی Tropospheric ZWD, LSC, GPS, Spatio-temporal Covariance 223 236 http://jgst.issgeac.ir/browse.php?a_code=A-10-53-6&slc_lang=fa&sid=1 M. R. Poursoleimani محمدرضا پورسلیمانی mrpoorsoleymani@email.kntu.ac.ir 10031947532846009358 10031947532846009358 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی Y. Amerian یزدان عامریان amerian@kntu.ac.ir 10031947532846009359 10031947532846009359 Yes K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی H. Mahbuby هانی محبوبی hanymahbuby@email.kntu.ac.ir 10031947532846009360 10031947532846009360 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی