Застосування процедури симуляції даних для задач GNSS-томографії тропосфери

dc.citation.epage67
dc.citation.journalTitleСучасні досягнення геодезичної науки та виробництва
dc.citation.spage61
dc.citation.volume1(41)
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.affiliationLviv Polytechnic National University
dc.contributor.authorСавчук, С.
dc.contributor.authorХоптар, А.
dc.contributor.authorSavchuk, S.
dc.contributor.authorKhoptar, A.
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2023-06-08T07:23:36Z
dc.date.available2023-06-08T07:23:36Z
dc.date.created2021-02-16
dc.date.issued2021-02-16
dc.description.abstractВміст та розподіл водяної пари в атмосфері Землі пов’язані з різними погодними умовами і кліматичними процесами, а тому мають важливе значення для розуміння багатьох метеорологічних явищ. На сучасному етапі розвитку та становлення Глобальних навігаційних супутникових систем (англ. Global Navigation Satellite Systems, GNSS) розподіл вмісту водяної пари можна встановити за допомогою даних спостережень методом GNSSтомографії, що, своєю чергою, дає можливість вивчати зміни вертикального профілю вмісту водяної пари в тропосфері Землі. У GNSS-томографії тропосфери точну інформацію про розподіл водяної пари отримують за допомогою інтегральних вимірювань, таких як визначення вмісту водяної пари у похиленому напрямку (англ. Slant Water Vapor, SWV). Суть задачі GNSS-томографії тропосфери – розв’язання системи рівнянь, кількість яких обмежується кількістю супутників, що беруть участь у спостереженнях. Функціональний зв’язок між спостереженнями та невідомими, тобто шляхи проходження GNSS-сигналів через тропосферу, повинен бути достатньо відомий. Проте сьогодні така інформація відсутня, що призводить до основної проблеми методу GNSS-томографії тропосфери – подолання дефіциту рангу під час інверсії вихідного рівняння. Цюпроблему можна вирішити, збільшивши кількість супутникових сигналів у широкому діапазоні положень. Метою цієї роботи є максимізація використання GNSS-сигналів під час моделювання томографічного розв’язку на основі симуляції даних. Методика. На підставі розробленої нами методики опрацювання даних мульти-GNSS спостережень PPP-методом запропоновано алгоритм процедури симуляції додаткових супутників під час томографічного моделювання з метою подолання проблем дефіциту рангу. Результати. Наведено результати застосування процедури симуляції даних для вертикального профілю вмісту водяної пари в тропосфері Землі на основі результатів опрацювання даних мультиGNSS спостережень на станції GANP (Попрад, Словаччина) у період з 31.05.2019 р. до 1.06.2019 р. Наукова новизна та практична значущість. Вперше запропоновано алгоритм процедури симуляції додаткових супутників з метою подолання проблем дефіциту рангу під час томографічного моделювання.
dc.description.abstractThe content and distribution of water vapor in the Earth's atmosphere are related to various weather conditions and climatic processes, and are therefore important for understanding many meteorological phenomena. At the current stage of development and formation of Global Navigation Satellite Systems (GNSS), the distribution of water vapor content can be established using such observations from GNSS tomography, which, in turn, allows to study changes in the vertical profile of water vapor content in the Earth's troposphere. In troposphere GNSS tomography, accurate information on the distribution of water vapor is obtained using integrated measurements, such as the water vapor content value in the slant direction (Slant Water Vapor, SWV). The essence of the problem of troposphere GNSS tomography is the solution of equations system, the number of which is limited by the number of satellites involved in observations. In this case, the functional relationship between observations and unknowns, ie the pathways of GNSS signalsthrough the troposphere, must be known in sufficient numbers. However, today there is a problem of lack of such information, which leads to the main problem of the troposphere GNSS-tomography method – overcoming the deficit of rank in the inversion of the original equation. This problem can be solved by increasing the number of satellite signals in a wide range of positions. The purpose ofthis work isto maximize the use of GNSS signalsin modeling tomographic solutions based on data simulation. Method. Based on the developed method of multi-GNSS observations data processing by the PPP method, an algorithm of the procedure of simulation of additional satellites in tomographic modeling in order to overcome the problems of rank deficit is proposed. Results. The results of application of the data simulation procedure for the vertical profile of water vapor content in the Earth'stroposphere are presented based on the results of processing GNSS observations at the GANP station (Poprad, Slovakia) in the period from 31.05.2019 to 1.06.2019. Scientific novelty and practical significance. For the first time, an algorithm for the procedure of additional satellites simulation was proposed in order to overcome the problems of rank deficit in the tomographic modeling.
dc.format.extent61-67
dc.format.pages7
dc.identifier.citationСавчук С. Застосування процедури симуляції даних для задач GNSS-томографії тропосфери / С. Савчук, А. Хоптар // Сучасні досягнення геодезичної науки та виробництва. — Львів : Видавництво Львівської політехніки, 2021. — Том 1(41). — С. 61–67.
dc.identifier.citationenSavchuk S. Application of data simulation procedure for troposphere GNSS tomography tasks / S. Savchuk, A. Khoptar // Modern Achievements of Geodesic Science and Industry. — Lviv : Lviv Politechnic Publishing House, 2021. — Vol 1(41). — P. 61–67.
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/59198
dc.language.isouk
dc.publisherВидавництво Львівської політехніки
dc.publisherLviv Politechnic Publishing House
dc.relation.ispartofСучасні досягнення геодезичної науки та виробництва, 2021
dc.relation.ispartofModern Achievements of Geodesic Science and Industry, 2021
dc.relation.referencesBar-Sever Y. E., Kroger P. M., and Borjesson J. A. (1998).
dc.relation.referencesEstimating Horizontal Gradients of Tropospheric Path
dc.relation.referencesDelay with a single GPS Receiver. Journal of
dc.relation.referencesGeophysical Research, Vol. 103, Issue B3, pp. 5019–5035.
dc.relation.referencesBender, M., Dick, G., Ge, M., Deng, Z., Wicker,J., Kahle, H.-G.,
dc.relation.referencesRaabe, A., Tetzlaff, G. (2011). Development of a
dc.relation.referencesGNSS water vapor tomography system using algebraic
dc.relation.referencesreconstruction techniques. Adv. Space Res., 47, рр. 1704–1720.
dc.relation.referencesBevis, M., Businger, S., Herring, T. A., Rocken, C.,
dc.relation.referencesAnthes, R. A., Ware, R. H. (1992). GPS meteorology:
dc.relation.referencesRemote sensing of atmospheric water vapor using the
dc.relation.referencesGlobal Positioning System. J. Geophys. Res. Atmos. 97, рр. 15787–15801.
dc.relation.referencesBramlet, R. (1978). Reconstruction tomography in diagnostic
dc.relation.referencesradiology and nuclear medicine. Clin. Nucl. Med. 3, р. 245.
dc.relation.referencesChen, Y. Q., Liu, Y. X., Wang, X. Y., Li, P. H. (2016).
dc.relation.referencesAssessing the Performance of Troposphere
dc.relation.referencesTomographic Modeling Using MultiSource Water
dc.relation.referencesVapor Data During Hong Kong’s Rainy Season from
dc.relation.referencesMay to October 2013. Atmospheric Measurement
dc.relation.referencesTechniques Discussions, pp. 1–23.
dc.relation.referencesElosegui, P., Ruis, A., Davis, J., Runi, G., Keihm, S., Bürki,
dc.relation.referencesB., Kruse, L. (1998). An experiment for estimation of
dc.relation.referencesthe spatial and temporal variations of water vapor using
dc.relation.referencesGPS data. Physics and Chemistry of the Earth, Vol. 23 (1), pp. 125–130.
dc.relation.referencesFlores, A., Ruffini, G., Rius, A. (2000). 4D tropospheric
dc.relation.referencestomography using GPS slant wet delays. Ann.
dc.relation.referencesGeophys., 18, рр. 223–234.
dc.relation.referencesGipsy X Dococumentations, [online] Available at:
dc.relation.referenceshttps://gipsy-oasis.jpl.nasa.gov/index.php?page=documentation [Accessed 01 01 2021].
dc.relation.referencesGuo, J., Yang, F., Shi, J., Xu, C. (2016). An optimal
dc.relation.referencesweighting method of Global Positioning System (GPS)
dc.relation.referencestroposphere tomography. IEEE J. Sel. Top. Appl. Earth
dc.relation.referencesObs. Remote Sens. 9, рр. 5880–5887.
dc.relation.referencesHeublein, M., Alshawaf, F., Erdnüß, B., Xiao Xiang Zhu,
dc.relation.referencesHinz, S. (2019). Compressive sensing reconstruction of 3D wet refractivity based on GNSS and InSAR
dc.relation.referencesobservations. Journal of Geodesy, Vol. 93, pp. 197–217.
dc.relation.referencesKacmarik, M., Dousa, J., Dick, G., Zus, F., Brenot, H.,
dc.relation.referencesMöller, G., Pottiaux, E., Kapłon, J., Hordyniec, P.,
dc.relation.referencesVáclavovic, P., Morel, L. (2017). Inter-technique
dc.relation.referencesvalidation of tropospheric slant total delays. Atmos.
dc.relation.referencesMeas. Tech., Vol. 10, pp. 2183–2208.
dc.relation.referencesRohm, W., Bosy, J. (2009). Local tomography troposphere
dc.relation.referencesmodel over mountains area. Atmos. Res., Vol. 93, pp. 777–783.
dc.relation.referencesSavchuk S., Khoptar A. (2019). Analysis of the tropospheric
dc.relation.referencesdelay estimatesin software package – GipsyX based on
dc.relation.referencesmulti-GNSS observations. Suchasni dosiahnennia
dc.relation.referencesheodezychnoi nauky ta vyrobnytstva, Vyp. I (37), pp. 57–63.
dc.relation.referencesSong, S., Zhu, W., Ding, J., Peng, J. (2006). 3D watervapor tomography with Shanghai GPS network to
dc.relation.referencesimprove forecasted moisture field. Chinese Science
dc.relation.referencesBulletin, Vol. 51(5), pp. 607–614.
dc.relation.referencesXia, P., Cai, C., Liu, Z. (2013). GNSS troposphere
dc.relation.referencestomography based on two-step reconstruction using
dc.relation.referencesGPS observation and COSMIC profiles. Ann. Geophys. 31, рр. 1805–1815.
dc.relation.referencesYang, F., Guo, J., Shi, J., Zhou, L., Xu, Y., Chen, M.
dc.relation.references(2018). A Method to Improve the Distribution of
dc.relation.referencesObservations in GNSS Water Vapor Tomography.
dc.relation.referencesSensors, 18(8), р. 2526.
dc.relation.referencesZhao Q., Yao Y., Yao W., Xia P. (2018). An optimal
dc.relation.referencestropospheric tomography approach with the support
dc.relation.referencesof an auxiliary area. Annales Geophysicae, 36, рр. 1037–1046.
dc.relation.referencesZhao Q., Li Z., Yao W., Yao Y. (2020). An improved ridge
dc.relation.referencesestimation (IRE) method for troposphere water vapor
dc.relation.referencestomography. Journal of Atmospheric and SolarTerrestrial Physics, 207, р. 105366.
dc.relation.referencesХоптар A. (2020). Відновлення вертикального профілю
dc.relation.referencesвмісту водяної пари в тропосфері землі на основі
dc.relation.referencesданих мульти-GNSS спостережень. Сучасні досягнення геодезичної науки і виробництва, Вип. II (40), С. 41–49.
dc.relation.referencesenBar-Sever Y. E., Kroger P. M., and Borjesson J. A. (1998). Estimating Horizontal Gradients of Tropospheric Path Delay
dc.relation.referencesenwith a single GPS Receiver. Journal of Geophysical Research, Vol. 103, Is. B3, pp. 5019–5035.
dc.relation.referencesenBender, M.; Dick, G.; Ge, M.; Deng, Z.; Wicker, J.; Kahle, H.-G.; Raabe, A.; Tetzlaff, G. (2011). Development of a GNSS water
dc.relation.referencesenvapor tomography system using algebraic reconstruction techniques. Adv. Space Res., 47, рр. 1704–1720.
dc.relation.referencesenBevis, M.; Businger, S.; Herring, T. A.; Rocken, C.; Anthes, R. A.; Ware, R. H. (1992). GPS meteorology: Remote sensing of
dc.relation.referencesenatmospheric water vapor using the Global Positioning System. J. Geophys. Res. Atmos., 97, рр. 15787–15801.
dc.relation.referencesenBramlet, R. (1978). Reconstruction tomography in diagnostic radiology and nuclear medicine. Clin. Nucl. Med. 3, р. 245.
dc.relation.referencesenChen, Y. Q., Liu, Y. X., Wang, X. Y., Li, P. H. (2016). Assessing the Performance of Troposphere Tomographic Modeling
dc.relation.referencesenUsing MultiSource Water Vapor Data During Hong Kong’s Rainy Season from May to October 2013. Atmospheric
dc.relation.referencesenMeasurement Techniques Discussions, pp. 1–23.
dc.relation.referencesenElosegui, P., Ruis, A., Davis,J., Runi, G., Keihm, S., Bürki, B., Kruse, L. (1998). An experiment for estimation of the spatial and
dc.relation.referencesentemporal variations of water vapor using GPS data. Physics and Chemistry of the Earth, Vol. 23 (1), pp. 125–130.
dc.relation.referencesenFlores, A.; Ruffini, G.; Rius, A. (2000). 4D tropospheric tomography using GPS slant wet delays. Ann. Geophys., 18, 223–234.
dc.relation.referencesenGipsyX Dococumentations, [online]. Available at: https://gipsy-oasis.jpl.nasa.gov/index.php?page=documentation [Accessed 01 01 2021].
dc.relation.referencesenGuo, J.; Yang, F.; Shi, J.; Xu, C. (2016). An optimal weighting method of Global Positioning System (GPS) troposphere
dc.relation.referencesentomography. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 9, рр. 5880–5887.
dc.relation.referencesenHeublein, M., Alshawaf, F., Erdnüß, B., Xiao Xiang Zhu, Hinz, S. (2019). Compressive sensing reconstruction of 3D wet
dc.relation.referencesenrefractivity based on GNSS and InSAR observations. Journal of Geodesy, Vol. 93, pp. 197–217.
dc.relation.referencesenKacmarik, M., Dousa, J., Dick, G., Zus, F., Brenot, H., Möller, G., Pottiaux, E., Kapłon, J., Hordyniec, P., Václavovic, P.,
dc.relation.referencesenMorel, L. (2017). Inter-technique validation of tropospheric slant total delays. Atmos. Meas. Tech., Vol. 10, pp. 2183–2208.
dc.relation.referencesenRohm, W., Bosy, J. (2009). Local tomography troposphere model over mountains area. Atmos. Res., Vol. 93, pp. 777–783.
dc.relation.referencesenSavchuk S., Khoptar A. (2019). Analysis of the tropospheric delay estimates in software package – GipsyX based on multiGNSS
dc.relation.referencesenobservations. Suchasni dosiahnennia heodezychnoi nauky ta vyrobnytstva, Vyp. I (37), pp. 57–63.
dc.relation.referencesenSong, S., Zhu, W., Ding, J., Peng, J. (2006). 3D water-vapor tomography with Shanghai GPS network to improve forecasted
dc.relation.referencesenmoisture field. Chinese Science Bulletin, Vol. 51(5), pp. 607–614.
dc.relation.referencesenXia, P.; Cai, C.; Liu, Z. (2013). GNSS troposphere tomography based on two-step reconstruction using GPS observation
dc.relation.referencesenand COSMIC profiles. Ann. Geophys., 31, рр. 1805–1815.
dc.relation.referencesenYang, F.; Guo, J.; Shi, J.; Zhou, L.; Xu, Y.; Chen, M. (2018). A Method to Improve the Distribution of Observations in
dc.relation.referencesenGNSS Water Vapor Tomography. Sensors, 18(8), р. 2526.
dc.relation.referencesenZhao Q., Yao Y., Yao W., Xia P. (2018). An optimal tropospheric tomography approach with the support of an auxiliary
dc.relation.referencesenarea. Annales Geophysicae, 36, рр. 1037–1046.
dc.relation.referencesenZhao Q., Li Z., Yao W., Yao Y. (2020). An improved ridge estimation (IRE) method for troposphere water vapor
dc.relation.referencesentomography. Journal of Atmospheric and Solar-Terrestrial Physics, 207, р. 105366.
dc.relation.referencesenKhoptar A. (2020). Vidnovlennya vertykalʹnoho profilyu vmistu vodyanoyi pary v troposferi zemli na osnovi danykh
dc.relation.referencesenmulʹty-GNSS sposterezhenʹ. Suchasni dosiahnennia heodezychnoi nauky ta vyrobnytstva, Vyp. II (40), pp. 41–49.
dc.relation.urihttps://gipsy-oasis.jpl.nasa.gov/index.php?page=documentation
dc.rights.holder© Західне геодезичне товариство, 2021
dc.rights.holder© Національний університет “Львівська політехніка”, 2021
dc.subjectсимуляція
dc.subjectGNSS
dc.subjectGNSS-томографія
dc.subjectтропосферна затримка
dc.subjectвміст водяної пари
dc.subjectsimulation
dc.subjectGNSS
dc.subjectGNSS tomography
dc.subjecttropospheric delay
dc.subjectwater vapor content
dc.subject.udc528.2/.3
dc.titleЗастосування процедури симуляції даних для задач GNSS-томографії тропосфери
dc.title.alternativeApplication of data simulation procedure for troposphere GNSS tomography tasks
dc.typeArticle

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2021v1_41__Savchuk_S-Application_of_data_simulation_61-67.pdf
Size:
798.6 KB
Format:
Adobe Portable Document Format
Thumbnail Image
Name:
2021v1_41__Savchuk_S-Application_of_data_simulation_61-67__COVER.png
Size:
544.61 KB
Format:
Portable Network Graphics

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.78 KB
Format:
Plain Text
Description: