மீட்டர் அளவிலான மற்றும் துணை-வினாடி தீர்மானங்கள் மூலம் அதிநவீன காற்று கண்காணிப்பு
சீன அறிவியல் அகாடமியின் சீன அறிவியல் மற்றும் தொழில்நுட்ப பல்கலைக்கழகத்தின் (USTC) பேராசிரியர். டௌ சியான்காங் தலைமையிலான ஆய்வுக் குழு, முதன்முறையாக 3 மீ மற்றும் 0.1 வினாடிகள் இடைவெளி மற்றும் தற்காலிகத் தீர்மானங்களில் தொடர்ச்சியான காற்றைக் கண்டறிவதை உணர்ந்தது. இந்த ஆய்வு ஒளியியல் கடிதங்களில் வெளியிடப்பட்டது.
துடிப்பு ஒத்திசைவான டாப்ளர் விண்ட் லிடார் (PCDWL-Pulse coherent Doppler wind LiDAR) விண்வெளி பாதுகாப்பு மற்றும் எண்ணியல் வானிலை முன்னறிவிப்பில் மிகவும் முக்கியத்துவம் வாய்ந்தது. இருப்பினும், மீட்டர் இடஞ்சார்ந்த மற்றும் துணை-இரண்டாம் தற்காலிகத் தீர்மானங்களில் காற்றைக் கண்டறிவது சவாலாகவே உள்ளது.
இந்த ஆய்வில், ஆராய்ச்சியாளர்கள் LiDAR-ஐ மேம்படுத்தி, காற்று புல கண்காணிப்பின் துல்லியம் மற்றும் வலிமையை கணிசமாக மேம்படுத்தும் ஒரு புதிய வழிமுறையைப் பயன்படுத்தினர். இதன் விளைவாக, ஹைப்பர்ஃபைன் PCDWL (HPCDWL) கண்-பாதுகாப்பு, இலகுரக, நிலைத்தன்மை மற்றும் சுற்றுச்சூழலுக்கு ஏற்றவாறு உருவாக்கப்பட்டது.
அளவுத்திருத்த உபகரணங்களுடன் ஒப்பிடும்போது LiDAR-இன் காற்றைக் கண்டறிதல் மாறுபாடு 0.5 m/s-க்கும் குறைவாக உள்ளது என்பது சரிபார்க்கப்பட்டது. கூடுதலாக, LiDAR முறையே 3 மீ மற்றும் 0.1 வி என்ற இடநிலை மற்றும் தற்காலிகத் தெளிவுத்திறனில் அதிவேக ரயிலின் எழுச்சியின் தொடர்ச்சியான கண்காணிப்பை நிறைவு செய்தது, மேலும் அதன் கண்டறிதல் முடிவு திரவ இயக்கவியல் உருவகப்படுத்துதலைப் போலவே இருந்தது.
References:
- Liang, C., Wang, C., Xue, X., Dou, X., & Chen, T. (2022). Meter scale and sub-second resolution coherent Doppler wind lidar and hyperfine. technology, 9, 10.
- Zhang, W. L., Liu, Z. Y., Wang, H., Chen, Y., Wang, Y., Zhao, Z. Z., & Sun, T. (2021). Research status of spatial Heterodyne spectroscopy–A review. Microchemical Journal, 166, 106228.
- Jepsen, P. N., Amato-Grill, J., Dimitrova, I., Ho, W. W., Demler, E., & Ketterle, W. (2020). Spin transport in a tunable Heisenberg model realized with ultracold atoms. Nature, 588(7838), 403-407.
- Collis, R. T. H. (1970). Lidar. Applied optics, 9(8), 1782-1788.
- Chinyoka, S., Hedde, T., & Steeneveld, G. J. (2021). Using an Artificial Neural Network to improve operational wind prediction in a small unresolved valley. Weather and Forecasting, 36(6), 2259-2273.