Journal of Geomatics Science and Technology

fa ارزیابی روش توابع پایه شعاعی با کرنل اسپیلاین صفحه نازک برای درونیابی بخارآب قابل بارش برآورد شده از مشاهدات GPS در ایالت کالیفرنیای آمریکا Assessment of radial basis function method with thin plate spline kernel for evaluable precipitable water vapor interpolation from GPS observations over state of California, USA ژئودزی و هیدروگرافی Geo&Hydro پژوهشي Research <div style="text-align: justify;">مقدار بخار آب قابل بارش (PWV) یکی از مهمترین داده‌ها در بسیاری از مطالعات هواشناسی است. این مولفه دارای تغییرات مکانی و زمانی بالایی است، امروزه استفاده از مشاهدات سیستم‌های ماهواره‌ای ناوبری جهانی (GNSS) یکی از روش‌های بهبود دقت برآورد پارامتر بخارآب است. امواج ارسالی از ماهواره‌های GNSS با عبور از لایه تروپسفر دچار تأخیر می‌شوند. <a name="_Hlk108550974">تأخیر </a>تروپسفری به دو بخش خشک و تر تقسیم می‌شوند که بخش تر به تغییرات بخار آب وابسته است. در این مقاله روش‌های درونیابی بر پایه توابع پایه شعاعی با کرنل اسپیلاین صفحه نازک سه‌بعدی، شبکه عصبی مصنوعی از نوع پرسپترون، کریجینگ و عکس مجذور فاصله مورد ارزیابی قرار گرفته‌است. منطقه‌ای واقع در آمریکای شمالی شامل 26 ایستگاه <a name="_Hlk108017284">سیستم تعیین موقعیت جهانی </a>(GPS) مورد مطالعه قرار گرفته و مقادیر بخار آب قابل بارش در دو روز زمستان و تابستان با استفاده از این داده‌ها به روشهای فوق‌الذکر ارزیابی شده‌است. مقدار <a name="_Hlk124000872">ریشه میانگین مربع خطا</a> (RMSE) با استفاده از روش اسپیلاین صفحه نازک سه‌بعدی برای دو روز زمستان و تابستان به ترتیب برابر 6/0 و 62/1 میلیمتر بدست آمده است، که در مقایسه با سایر روش‌ها دارای کمترین مقدار RMSE و در نتیجه دقت بالاتری درهر دو روز می‌باشد. <a name="_Hlk124290617">در نهایت با استفاده از روش درونیابی اسپیلاین صفحه نازک سه بعدی نقشه متراکم از تغییرات بخار آب لایه تروپسفر در منطقه مورد مطالعه تهیه شده‌است که میتواند بر پیشبینی وضعیت جوی و برآورد میزان بارش تاثیر گذار باشد.</a></div> <div style="text-align: justify;"> Precipitable water vapor (PWV) is one of the most important data in meteorological studies. This component has high spatial and temporal changes, today the use of global navigation satellite systems (GNSS) observations is one of the ways to improve the accuracy of water vapor parameter estimation. The waves sent from GNSS satellites are delayed when passing through the troposphere layer. The troposphere delay is divided into two parts, dry and wet, and the wet part depends on changes in water vapor. In this article, the interpolation methods based on radial basis functions with 3D thin plate spline kernel, artificial neural network of perceptron type, kriging and inverse distance weighted have been evaluated. A region located in North America including 26 Global Positioning System (GPS) stations has been studied and the amounts of precipitable water vapor on two days in winter and summer have been evaluated using these data in the aforementioned methods. The value of the root mean square error (RMSE) using the 3D thin plate spline method for two days in winter and summer has been obtained as 0.6 and 1.62 mm, respectively, which has the lowest RMSE value compared to other methods. And as a result, there is a higher accuracy in both days. Finally, by using 3D thin plate spline interpolation method, a dense map of water vapor changes in the troposphere layer in the study area has been prepared, which can have an impact on forecasting the weather and estimating the amount of precipitation</div> بخار آب قابل بارش, سیستم تعیین موقعیت جهانی, اسپلاین صفحه نازک, شبکه عصبی مصنوعی, کریجینگ, عکس مجذور فاصله precipitable water vapor, GPS, thin plate spline, artificial neural network, kriging, inverse distance weighted 1 12 http://jgst.issgeac.ir/browse.php?a_code=A-10-53-7&slc_lang=fa&sid=1 Sheida Chamankar شیدا چمنکار chamankar@email.kntu.ac.ir 10031947532846009984 10031947532846009984 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی Yazdan Amerian یزدان عامریان amerian@kntu.ac.ir 10031947532846009985 10031947532846009985 Yes K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی