تلفیق مشاهدات رخداد آکولتیشن در توموگرافی ضرایب شکست تر جو با استفاده از مدل‌های تابعی سه‌بعدی و چهاربعدی

بخارآب یکی از مهم‌ترین شاخص‌های جوی است که تعیین دقیق آن به افزایش دقت مدل‌های عددی هواشناسی کمک فراوانی می‌کند. اما تغییرات شدید این پارامتر در مکان و زمان باعث شده است که نتوان مدلی دقیق برای این پارامتر ارائه کرد و درنتیجه مدل‌های عددی هواشناسی دقت لازم را در پیش‌بینی این پارامتر نداشته باشند. امروزه با استفاده از مشاهدات gnss و به‌کارگیری روش توموگرافی می‌توان ضرایب شکست تر در هر یک از المان‌های حجمی در نظر گرفته‌شده را برآورد کرد. اما یکی از پارامترهای تعیین‌کننده دقت مسائل توموگرافی توزیع سیگنال‌های gnss در داخل شبکه است. استفاده از مشاهدات رخداد آکولتیشن می‌تواند باعث افزایش تعداد مشاهدات از جنس پارامترهای جوی حتی در نقاطی که مشاهدات ایستگاه‌های gnss حضور ندارد، شود. هدف از این تحقیق تلفیق مشاهدات آکولتیشن با مشاهدات gps به‌منظور بالابردن دقت ضرایب شکست برآورد شده در توموگرافی تابعی تروپوسفر است. به‌منظور برآورد کردن مجهولات مسئله توموگرافی از مدل تابعی با کمک هارمونیک‌های کلاه‌کروی به‌همراه توابع متعامد تجربی برای تشکیل مدل سه‌بعدی استفاده ‌شده است. همچنین از توابع پایه اسپیلاین برای نمایش توزیع ضرایب شکست تر در زمان و تشکیل مدل چهاربعدی بهره گرفته‌شده است. منطقه مورد مطالعه، شبکه‌ ایستگاه‌های دائمی در کالیفرنیا در نظر گرفته‌ شده است. پروفیل ضرایب شکست تر حاصل از توموگرافی در دو اپک زمانی (دو فصل مختلف) محاسبه شدشده و با داده‌های رادیوسوند مقایسه می‌شوند. نتایج نشان می‌دهد که استفاده از مشاهدات آکولتیشن در کنار مشاهدات زمینی gps در توموگرافی انجام‌شده با استفاده از مدل‌های تابعی سه‌بعدی و چهاربعدی می‌تواند مقدار rmse پروفیل‌های ضرایب شکست تر را تا حدود 8 درصد نسبت به توموگرافی انجام‌شده فقط با استفاده از مشاهدات gps بهبود دهد.

Combination of Radio Occultation data in 3D and 4D functional model tomography for retrieving the wet refractivity indices

Atmospheric wet refractivity indices, which are dependent on the water vapor, are one of the most important parameters for analyzing climate change in an area. Wet refractivity indices can be estimated from Radiosonde stations measurement or calculated from numerical meteorological models. But due to low temporal and spatial resolution of radiosonde stations and severe variations of water vapor in the lower levels of Atmosphere, today’s numerical meteorological models provide low accuracy for atmospheric parameters. But nowadays, by growing number of stations that can use global positioning satellite measurements, atmospheric parameter can be estimated via remote sensing measurements in wide temporal and spatial resolutions. Wet refractivity indices cause delay in GPS measurement signals thus this delay have information about distribution of wet refractivity indices in atmosphere. By the use of global positioning satellites that can estimate atmospheric wet delay and tomography method, wet refractivity indices can be estimated. One of the growing methods for measuring the atmosphere parameters is the radio occultation technique. By increasing the number of low earth orbit satellites that carry GNSS receiver, this technique can provide observation in all of the globe, which its observations are obtained directly from the type of atmosphere parameters. The aim of this study is to use a combination of RO and GPS observation in 3D and 4D atmospheric tomography. But since tomography problem are illposed because of the poor distribution of GPS observations in network, a functional model has been implemented to estimate the wet refractivity indices from of the atmospheric tomography problem. By expanding tomography’s unknowns to base functions coefficients, the number of unknowns will be decreased and problem will become wellposed and unknowns can be estimated from inverse problem. In the threedimensional functional model, combination of spherical cap harmonics and empirical orthogonal functions have been used to solve the inverse problem. Spherical cap harmonics are used to represent the wet refractivity indices in horizontal distribution and empirical orthogonal functions are used for the vertical distribution of the unknown coefficients. Eventually, the Bspline is used to represent the fourdimensional functional model and the dependence of coefficients to the time. After implementing 3D and 4D functional models, the relative weight of RO data with comparison to GPS data has been calculated using variance component method. The US region of California has been selected as the study network due to its high tectonic importance and the large number of GPS stations. The results in two considered tomography epochs have been validated with radiosonde station data in the network and also have been compared with ERA5 reanalysis data. Comparison of the profiles obtained from tomography and the ERA5 data profiles with the radiosonde wet refractivity indices shows that the results obtained from the functional model tomography are better than those of the ERA5 data. The results of the combination illustrate that using RO data in both 3D and 4D models, the RMSE has been decreased and showed improvement of about 7 to 10 percent compared to uncombined tomographic models. Also, it is seen that using RO data in the 4D model has higher accuracy compared to the 3D model due to the use of a timedependent functional model that increases the functional model’s accuracy.