استخراج فرکانس‌های جزر و مدی منطقه خلیج فارس و دریای عمان به روش برآورد هارمونیک کمترین مربعات چند متغیره سری‌های زمانی مشاهدات ارتفاع‌سنجی ساحلی سطح دریا

نویسندگان

1 دانشگاه اصفهان- هیئت علمی

2 دانشجو

3 هیئت علمی- دانشگاه اصفهان

چکیده

تاکنون، اکثر روش‌های ارائه شده جهت تعیین فرکانس‌های جزر و مدی، بر اساس مبانی تئوری بوده‌ و مشاهدات جزر و مدی نقشی در یافتن این فرکانس‌ها نداشته‌اند. این تحقیق، در ادامه تحقیق انجام شده توسط امیری سیمکویی و همکاران (2014) به استخراج فرکانس‌های جزر و مد از طریق آنالیز مشاهدات جزر و مد می‌پردازد. بدین منظور، با استفاده از روش برآورد هارمونیک کمترین مربعات (LS-HE)، سری‌های‌ زمانی مشاهدات جزر و مد مورد بررسی قرار گرفته و فرکانس‌های جزر و مدی استخراج می‌گردند. در این تحقیق از داده‌های 8 ایستگاه تاید-گیج در منطقه خلیج فارس و دریای عمان بین سال‌های 1999 تا 2010 استفاده شده است. 414 فرکانس موثر در این ایستگاه‌ها بدست آمده است. مقایسه‌ای بین دو لیست فرکانسی شامل 50 و 121 فرکانس اصلی حاصل از تحقیق امیری سیمکویی و همکاران (2014) برای تاید-گیج‌های کشور انگلستان، با فرکانس‌های استخراجی در این تحقیق(منطقه خلیج فارس و دریای عمان) انجام گردیده است. فرکانس‌های جدیدی که به ایستگاه‌های منطقه خلیج فارس و دریای عمان اختصاص دارد استخراج شده‌ است. در پایان پیش‌بینی‌ جزر و مد به مدت شش ماه برای تمام ایستگاه‌ها با استفاده از، دو لیست از فرکانس‌های مهم استخراجی حاصل از دو تحقیق انجام شده و نتایج با هم مقایسه گردیده ‌است. اختلاف RMSE داده‌های پیش‌بینی شده در این مقایسه بین 2 تا 7 سانتیمتر بوده و دقت ارائه شده برای پیش‌بینی جزر و مد با استفاده از فرکانس‌های بدست آمده در این تحقیق برای ایستگاه-های تاید-گیج منطقه خلیج فارس و دریای عمان بین 9 تا 16 سانتیمتر می‌باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Extracting tidal frequencies of the Persian Gulf and Oman Sea using multivariate least square harmonic estimation of sea level coastal height observations time series

نویسندگان [English]

  • alireza amiri-Simkooei 1
  • kamal parvazi 2
1
2 Student
3
چکیده [English]

Tidal observations have been widely used for a variety of applications. Realistic functional and stochastic models of tidal observation are then required. The functional model is complete if one knows the tide characteristics such as tidal frequencies (M2 and S2 for instance). The stochastic model is complete if we know noise characteristics of tidal observations. There is always a prediction error between the predicted values and the observed tide heights. This can be investigated when taking the noise characteristics of tidal time series observations. Functional model identification is however the subject of discussion in the present contribution. Tide data are frequently used for different applications such as safe navigation. Real tide gauge data can be expressed by their tidal constituents (frequencies) and a noise structure. Using tidal frequencies and tidal observations one can employ the functional model to predict tide. Therefore identifying tidal frequencies is an important issue for tidal analysis. So far, most of the available methods to determine tidal frequencies have been based on the theory, and sea level height observations have not seriously been used to extract tidal frequencies. The theory-based methods usually apply the ephemeris of Moon, Sun and other planets to extract tidal frequencies without the use of tidal observations. Following-up the study by Amiri-Simkooei et al. (2014), we further focus on extracting tidal frequencies using tidal observations. For this purpose, we apply the least squares harmonic estimation (LS-HE) to the multivariate tidal time series. As a generalization of the Fourier spectral analysis, LS-HE is neither limited to evenly spaced data nor to integer frequencies. We may also note that the main tidal constituents may change from one area to another area. In this contribution, we use the data sets of eight coastal tide gauge stations in Persian Gulf and Oman Sea between 1999 and 2010 with a sampling rate of 30 min using a multivariate analysis. In multivariate analysis, the frequencies contributed in tide structure are more obvious than in the univariate analysis. Such signals can thus simply be detected in the multivariate analysis. Using the above-mentioned data, 414 main tidal constituents have been extracted. Our extracted lists of frequencies (of the Persian Gulf and Oman Sea) are compared with the two lists of frequencies consisting of 50 and 121 frequencies by the study of Amiri-Simkooei et al. (2014), which was applied to UK tide gauge stations. In the present contribution, new frequencies that belong to the tide gauge stations of the Persian Gulf and Oman Sea have been identified. Finally, a six-month prediction is performed for all stations using the two lists of main frequencies obtained in the two studies. The prediction results of the two studies are then compared using the estimated root mean squared error (RMSE). The RMSE difference of our predicted data show a reduction ranging from 2 cm to 7 cm compared to that predicted using the frequency lists of Amiri-Simkooei et al. (2014). The estimated RMSE of tide prediction using the frequencies obtained in this study ranges from 9 to 16 cm.

کلیدواژه‌ها [English]

  • "Least square harmonic estimation (LS-HE) "
  • "Tidal frequencies"
  • "multivariate tidal time series analysis"
  • "coastal tide gauge"
  • "tide prediction"
  • "Persian Gulf and Oman sea
Amiri-Simkooei, A. R., 2007, Least-squares variance component estimation: theory and GPS applications. Ph.D. thesis, Mathematical Geodesy and Positioning, Faculty of Aerospace Engineering, Delft University of Technology , Delft, Netherlands.
Amiri-Simkooei, A. R. and Asgari, J., 2012, Harmonic analysis of total electron contents









time series: methodology and results, GPS Solut, 16(1):77-88
Amiri-Simkooei, A. R., Tiberius, CCJM. and Teunissen, PJG., 2007, Assessment of noise in GPS coordinate time series: methodology and results, J Geophys Res 112, B07413. doi: 10.1029/2006JB004913
Amiri-Simkooei, A. R., Zaminpardaz, S. and Sharifi, M. A., 2014, Extracting tidal frequ-encies using multivariate harmonic analysis of sea level height time series, J Geod (2014) 88, 975-988, doi: 10.1007/s00190-014-0737-5
Baarda, W., 1968, A testing procedure for use in geodetic networks, Publ 2(5), Netherlands Geodetic Commission, Delf.
Büllesfeld, F. J., 1985, Ein Beitrag zur harmon-ischen Darstellung des gezeitenerzeugenden Potentials, Reihe C, Heft 314, Deut-sche Geodätische Kommission, München.
Capuano, P., De Lauro, E., De Martino, S. and Falanga, M., 2011, Waterlevel oscillations in the Adriatic Sea as coherent selfoscillations inferred by independent component analysis, Progr Oceanogr, 91, 447-460.
Cartwright, D. E. and Tayler, R. J., 1971, New computation of the tide generating potential, Geophys, J. R. Astron. Soc., 23, 45-74.
Ducarme, B., Venedilkov, A. P., de Mesquita, A. R., Costa, D. S., Blitzkow, D., Vieira, R. and Freitas, SRC., 2006, New analysis of a 50 years tide guage record at Cananéia (SP-Brazil) with the VAV tidal analysis program, Dynamic Planet, Cairns, Australia, 22–26 August, 2005. Springer, IAG Symposia, 130, 453-460.
Flinchem, E. P. and Jay, D. A., 2000, An introd-uction to wavelet transform tidal analysis met-hods, Estuar. Coast. Shelf Sci., 51, 177-200.
Jay, D. A. and Kukulka, J., 2003, Revising the paradigm of tidal analysis the uses of nonstationary, Ocean Dyn., 53, 110-125.
Sakamoto, Y., Ishiguro, M. and Kitagawa, G., 1986, Akaike information criterion statistics, D, Reidel Publishing Company, Tokyo 290 pp.
Mousavian, R. and Mashhadi-Hossainali, M., 2012, Detection of main tidal frequencies using least squares harmonic estimation meth-od, J. Geod. Sci., 2(3), 224-233.
Pytharouli, S. and Stiros, S., 2012, Analysis of short and discontinuous tidal data: a case study from the Aegean Sea, Surv Rev., doi: 10.1179/ 1752270611Y.0000000035
Sakamoto, Y., Ishiguro M. and Kitagawa, G., 1986, Akaike information criterion statistics, D. Reidel Publishing Company, Tokyo 290 pp.
Sharifi, M. A. and Sam Khaniani, A., 2013, Least-squares harmonic estimation of the tropopause parameters using GPS radio occultation measurements, Meteorol Atmos. Phys., 120(1-2), 73-82.
Teunissen, PJG, 2000, Testing theory: an introduction, Delft University Press, Website: http://www.vssd.nl. Series on Mathematical Geodesy and Positioning
Teunissen, PJG. and Simons D. G., Tiberius CCJM, 2005, Probability and observation theory, Faculty of Aerospace Engineering, Delft University, Delft University of Technology, (lecture notes AE2-E01).
Venedikov, AP., Arnoso, J., Vieira, R., 2003, VAV: a program for tidal data processing, Comput Geosci 29:487502
Venedikov, A. P., Arnoso, J. and Vieira, R., 2005, New version of the program VAV for tidal data processing, Comput. Geosci, 31, 667-669.