CN110909449A - 一种多源数据电离层区域现报方法 - Google Patents

一种多源数据电离层区域现报方法 Download PDF

Info

Publication number
CN110909449A
CN110909449A CN201910996590.0A CN201910996590A CN110909449A CN 110909449 A CN110909449 A CN 110909449A CN 201910996590 A CN201910996590 A CN 201910996590A CN 110909449 A CN110909449 A CN 110909449A
Authority
CN
China
Prior art keywords
observation
data
background field
error covariance
region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910996590.0A
Other languages
English (en)
Other versions
CN110909449B (zh
Inventor
冯静
齐东玉
蔚娜
李雪
娄鹏
华彩成
鲁转侠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Research Institute of Radio Wave Propagation CRIRP
Original Assignee
China Research Institute of Radio Wave Propagation CRIRP
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Research Institute of Radio Wave Propagation CRIRP filed Critical China Research Institute of Radio Wave Propagation CRIRP
Priority to CN201910996590.0A priority Critical patent/CN110909449B/zh
Publication of CN110909449A publication Critical patent/CN110909449A/zh
Application granted granted Critical
Publication of CN110909449B publication Critical patent/CN110909449B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种多源数据电离层区域现报方法包括如下步骤：（1）电离层区域三维网格划分：（2）电离层垂测、斜测和返回散射探测电离图反演：(3)GNSS‑TEC数据选取；（4）电离层背景场构建；（5）误差协方差矩阵建立；（6）数据同化建模。本发明提供的基于多源数据的电离层区域现报方法，能够对电离层垂测、斜测、返回散射探测和GNSS观测等不同类型的电离层观测设备在不同观测位置得到的数据进行同化，使观测数据得到最佳拟合，参数间满足物理规律的制约，获得较高的电离层区域现报精度。

Description

一种多源数据电离层区域现报方法
技术领域
本发明属于电离层研究及应用领域，特别涉及该领域中的一种多源数据电离层区域现报方法。
背景技术
最近十年来，电离层观测日益增多，并且随着计算机互联网技术的快速发展，电离层探测数据的获取和共享变得异常便捷。这些数据包括电离层垂直探测、斜向探测、返回散射探测、GNSS观测等。这些观测有以下特点：探测仪器、观测参数的多样性；观测点分布的稀疏性和高度不均匀性；观测参数和理论模型要求的经常不匹配性。如何最大限度地综合利用这些来之不易的有限观测数据，进行有效的电离层探测和建模研究是急需解决的技术难题。
发明内容
本发明所要解决的技术问题就是提供一种基于多源数据的电离层区域现报方法。
本发明采用如下技术方案：
一种多源数据电离层区域现报方法，其改进之处在于，包括如下步骤：
(1)电离层区域三维网格划分：
对所选区域按照经度、纬度和高度进行三维网格划分，其中经度步进2°，纬度步进2°，高度步进20km；
(2)电离层垂测、斜测和返回散射探测电离图反演：
(21)利用基于移位切比雪夫多项式的垂测电离图反演算法对区域内电离层垂直探测电离图进行反演，获得垂测站上空一维电子浓度剖面，作为观测数据；
(22)利用基于Backus-Gilbert技术的斜测电离图反演算法对区域内电离层斜向探测电离图进行反演，获得斜测链路中点附近上空一维电子浓度剖面，作为观测数据；
(23)利用基于Tikhonov正则化方法的返回散射电离图反演算法对区域内电离层返回散射探测电离图进行反演，获得返回散射探测方位上二维电子浓度高度×距离剖面，作为观测数据；
(3)GNSS-TEC数据选取：
选择区域内GNSS接收机观测射线仰角大于等于5°对应的TEC数据作为观测数据，其中电离层薄层模型高度设为450km；
(4)电离层背景场构建：
(41)根据IRI模型，得到R12＝0和R12＝100，12个月一天24小时的foF2值模型图，其中IRI为国际参考电离层，R12是IRI模型的一个输入参数，表示太阳黑子数13个月滑动平均值，foF2为F2层临界频率；
(42)根据R12与foF2之间的线性关系，获得所重构区域任一点，例如月中值，与R12之间的关系；
(43)给定垂测站位置某一天某时刻的foF2，根据上面得到的该站R12与foF2之间的系数，获得等效太阳黑子数；
(44)判断各个垂测站得到的等效太阳黑子数是否相同；
(45)如相同则将等效太阳黑子数代入IRI模型计算区域重构结果；
(46)如不同则利用kriging技术获得区域内任一点的等效太阳黑子数，再利用foF2与R12的关系获得区域内任一点foF2值，完成重构；
(5)误差协方差矩阵建立：
(51)建立观测误差协方差矩阵R，其表达式如下：
Figure BDA0002239919160000021
其中，Rij为观测误差协方差矩阵元素，i和j表示观测点，yi和yj表示在第i点和第j点的观测值，ηo表示比例系数；
(52)建立背景场误差协方差矩阵P，假定背景场误差协方差在水平和垂直方向误差都是高斯分布且可以分离，其表达式如下：
Figure BDA0002239919160000022
其中，Pij为背景场误差协方差矩阵元素，i和j表示观测点，
Figure BDA0002239919160000023
和
Figure BDA0002239919160000024
表示在第i点和第j点的背景值，φij、λij和hij分别表示第i点和第j点在经度、纬度和高度上的距离，Lφ、Lλ和Lh分别是背景场在这三个方向的相关距离，ηb是背景场电子浓度误差与背景场电子浓度的平方的线性系数；
(6)数据同化建模
采用基于Kalman滤波的数据同化技术进行同化建模，获得分析场Xa，即最终的电离层现报结果，其计算公式如下：
Xa＝Xb+K(Y-HXb)
K＝PHT(HPHT+R)-1
其中，Xb表示背景场向量，使用步骤(4)建立的电离层背景场作为背景场向量；Y表示观测向量，使用步骤(2)至步骤(3)获得的观测数据作为观测向量；H表示观测算子，使得模式向量向观测向量转换，完成背景场向观测点的空间插值和物理量转化，对于步骤(2)中获得的电子浓度剖面数据而言，观测算子仅进行空间插值，对于步骤(3)获得的TEC数据而言，观测算子除了空间插值，还需要进行物理量转化，即观测算子等于GNSS射线穿过每个网格点的长度；P表示背景误差协方差矩阵，使用步骤(52)建立的背景误差协方差矩阵；R表示观测误差协方差矩阵，使用步骤(51)建立的观测误差协方差矩阵；矩阵K称作增益矩阵。
进一步的，在步骤(51)中，ηo＝0.043；在步骤(52)中，水平方向即经度和纬度平面，在水平方向取经度10°、纬度5°，高度方向取60km，ηb＝0.43。
本发明的有益效果是：
本发明提供了一种基于多源数据的电离层区域现报方法，能够对电离层垂测、斜测、返回散射探测和GNSS观测等不同类型的电离层观测设备在不同观测位置得到的数据进行同化，使观测数据得到最佳拟合，参数间满足物理规律的制约，获得较高的电离层区域现报精度。
附图说明
图1是本发明实施例1所公开方法的流程示意图；
图2是本发明实施例1所公开方法中步骤(4)的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1，如图1所示，本实施例公开了一种多源数据电离层区域现报方法，包括如下步骤：
(1)电离层区域三维网格划分：
对所选区域按照经度、纬度和高度进行三维网格划分，其中经度步进2°，纬度步进2°，高度步进20km；
(2)电离层垂测、斜测和返回散射探测电离图反演：
(21)利用基于移位切比雪夫多项式的垂测电离图反演算法对区域内电离层垂直探测电离图进行反演，获得垂测站上空一维电子浓度剖面，作为观测数据；其中垂测电离图反演算法采用蔚娜等(2016)发展的方法(蔚娜，柳文，鲁转侠，冯静，等.2016.F1层未充分发展时的电离层剖面反演。地球物理学报，59(3)：778-790，doi：10.6038/cjg20160302.)。
(22)利用基于Backus-Gilbert技术的斜测电离图反演算法对区域内电离层斜向探测电离图进行反演，获得斜测链路中点附近上空一维电子浓度剖面，作为观测数据；其中斜测电离图反演算法采用Chuang和Yeh(1977)发展的方法(S L Chuang,K C Yeh.1977.Amethod for inverting oblique sounding data in the ionosphere.Radio Science,12(1):135-140.)。
(23)利用基于Tikhonov正则化方法的返回散射电离图反演算法对区域内电离层返回散射探测电离图进行反演，获得返回散射探测方位上二维电子浓度高度×距离剖面，作为观测数据；其中返回散射电离图反演算法采用冯静等(2016)发展的方法(冯静,倪彬彬,赵正予,等.2016.利用高频天波返回散射反演电离层水平不均匀结构.地球物理学报,59(9):3135-3147,doi:10.6038/cjg20160901.)。
(3)GNSS-TEC数据选取：
选择区域内GNSS接收机观测射线仰角大于等于5°对应的TEC(Total ElectronContent，总电子含量)数据作为观测数据，其中电离层薄层模型高度设为450km；
(4)电离层背景场构建：
以国际参考电离层(IRI)模型为背景约束，以区域内垂测站电离图判读获得的F2层临界频率(foF2)为数据驱动，运用kriging插值方法建立区域电离层背景场。如图2所示，具体处理流程如下：
(41)根据IRI模型，得到R12＝0和R12＝100，12个月一天24小时的foF2值模型图，其中IRI为国际参考电离层，R12是IRI模型的一个输入参数，表示太阳黑子数13个月滑动平均值，foF2为F2层临界频率；
(42)根据R12与foF2之间的线性关系，获得所重构区域任一点，例如月中值，与R12之间的关系；
(43)给定垂测站位置某一天某时刻的foF2，根据上面得到的该站R12与foF2之间的系数，获得等效太阳黑子数；
(44)判断各个垂测站得到的等效太阳黑子数是否相同；
(45)如相同则将等效太阳黑子数代入IRI模型计算区域重构结果；
(46)如不同则利用kriging技术获得区域内任一点的等效太阳黑子数，再利用foF2与R12的关系获得区域内任一点foF2值，完成重构；
(5)误差协方差矩阵建立：
(51)建立观测误差协方差矩阵R，其表达式如下：
Figure BDA0002239919160000051
其中，Rij为观测误差协方差矩阵元素，i和j表示观测点，yi和yj表示在第i点和第j点的观测值，ηo表示比例系数；
(52)建立背景场误差协方差矩阵P，假定背景场误差协方差在水平和垂直方向误差都是高斯分布且可以分离，其表达式如下：
Figure BDA0002239919160000052
其中，Pij为背景场误差协方差矩阵元素，i和j表示观测点，
Figure BDA0002239919160000053
和
Figure BDA0002239919160000054
表示在第i点和第j点的背景值，φij、λij和hij分别表示第i点和第j点在经度、纬度和高度上的距离，Lφ、Lλ和Lh分别是背景场在这三个方向的相关距离，ηb是背景场电子浓度误差与背景场电子浓度的平方的线性系数；
(6)数据同化建模
采用基于Kalman滤波的数据同化技术进行同化建模，获得分析场Xa，即最终的电离层现报结果，其计算公式如下：
Xa＝Xb+K(Y-HXb)
K＝PHT(HPHT+R)-1
其中，Xb表示背景场向量，使用步骤(4)建立的电离层背景场作为背景场向量；Y表示观测向量，使用步骤(2)至步骤(3)获得的观测数据作为观测向量；H表示观测算子，使得模式向量向观测向量转换，完成背景场向观测点的空间插值和物理量转化，对于步骤(2)中获得的电子浓度剖面数据而言，观测算子仅进行空间插值，对于步骤(3)获得的TEC数据而言，观测算子除了空间插值，还需要进行物理量转化，即观测算子等于GNSS射线穿过每个网格点的长度；P表示背景误差协方差矩阵，使用步骤(52)建立的背景误差协方差矩阵；R表示观测误差协方差矩阵，使用步骤(51)建立的观测误差协方差矩阵；矩阵K称作增益矩阵。
在步骤(51)中，ηo＝0.043；在步骤(52)中，水平方向即经度和纬度平面，在水平方向取经度10°、纬度5°，高度方向取60km，ηb＝0.43。

Claims (2)

1.一种多源数据电离层区域现报方法，其特征在于，包括如下步骤：
(1)电离层区域三维网格划分：
对所选区域按照经度、纬度和高度进行三维网格划分，其中经度步进2°，纬度步进2°，高度步进20km；
(2)电离层垂测、斜测和返回散射探测电离图反演：
(21)利用基于移位切比雪夫多项式的垂测电离图反演算法对区域内电离层垂直探测电离图进行反演，获得垂测站上空一维电子浓度剖面，作为观测数据；
(22)利用基于Backus-Gilbert技术的斜测电离图反演算法对区域内电离层斜向探测电离图进行反演，获得斜测链路中点附近上空一维电子浓度剖面，作为观测数据；
(23)利用基于Tikhonov正则化方法的返回散射电离图反演算法对区域内电离层返回散射探测电离图进行反演，获得返回散射探测方位上二维电子浓度高度×距离剖面，作为观测数据；
(3)GNSS-TEC数据选取：
选择区域内GNSS接收机观测射线仰角大于等于5°对应的TEC数据作为观测数据，其中电离层薄层模型高度设为450km；
(4)电离层背景场构建：
(41)根据IRI模型，得到R12＝0和R12＝100，12个月一天24小时的foF2值模型图，其中IRI为国际参考电离层，R12是IRI模型的一个输入参数，表示太阳黑子数13个月滑动平均值，foF2为F2层临界频率；
(42)根据R12与foF2之间的线性关系，获得所重构区域任一点，例如月中值，与R12之间的关系；
(43)给定垂测站位置某一天某时刻的foF2，根据上面得到的该站R12与foF2之间的系数，获得等效太阳黑子数；
(44)判断各个垂测站得到的等效太阳黑子数是否相同；
(45)如相同则将等效太阳黑子数代入IRI模型计算区域重构结果；
(46)如不同则利用kriging技术获得区域内任一点的等效太阳黑子数，再利用foF2与R12的关系获得区域内任一点foF2值，完成重构；
(5)误差协方差矩阵建立：
(51)建立观测误差协方差矩阵R，其表达式如下：
Figure FDA0002239919150000021
其中，Rij为观测误差协方差矩阵元素，i和j表示观测点，yi和yj表示在第i点和第j点的观测值，ηo表示比例系数；
(52)建立背景场误差协方差矩阵P，假定背景场误差协方差在水平和垂直方向误差都是高斯分布且可以分离，其表达式如下：
Figure FDA0002239919150000022
其中，Pij为背景场误差协方差矩阵元素，i和j表示观测点，
Figure FDA0002239919150000023
和
Figure FDA0002239919150000024
表示在第i点和第j点的背景值，φij、λij和hij分别表示第i点和第j点在经度、纬度和高度上的距离，Lφ、Lλ和Lh分别是背景场在这三个方向的相关距离，ηb是背景场电子浓度误差与背景场电子浓度的平方的线性系数；
(6)数据同化建模
采用基于Kalman滤波的数据同化技术进行同化建模，获得分析场Xa，即最终的电离层现报结果，其计算公式如下：
Xa＝Xb+K(Y-HXb)
K＝PHT(HPHT+R)-1
其中，Xb表示背景场向量，使用步骤(4)建立的电离层背景场作为背景场向量；Y表示观测向量，使用步骤(2)至步骤(3)获得的观测数据作为观测向量；H表示观测算子，使得模式向量向观测向量转换，完成背景场向观测点的空间插值和物理量转化，对于步骤(2)中获得的电子浓度剖面数据而言，观测算子仅进行空间插值，对于步骤(3)获得的TEC数据而言，观测算子除了空间插值，还需要进行物理量转化，即观测算子等于GNSS射线穿过每个网格点的长度；P表示背景误差协方差矩阵，使用步骤(52)建立的背景误差协方差矩阵；R表示观测误差协方差矩阵，使用步骤(51)建立的观测误差协方差矩阵；矩阵K称作增益矩阵。
2.根据权利要求1所述的多源数据电离层区域现报方法，其特征在于：在步骤(51)中，ηo＝0.043；在步骤(52)中，水平方向即经度和纬度平面，在水平方向取经度10°、纬度5°，高度方向取60km，ηb＝0.43。
CN201910996590.0A 2019-10-19 2019-10-19 一种多源数据电离层区域现报方法 Active CN110909449B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910996590.0A CN110909449B (zh) 2019-10-19 2019-10-19 一种多源数据电离层区域现报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910996590.0A CN110909449B (zh) 2019-10-19 2019-10-19 一种多源数据电离层区域现报方法

Publications (2)

Publication Number Publication Date
CN110909449A true CN110909449A (zh) 2020-03-24
CN110909449B CN110909449B (zh) 2022-11-29

Family

ID=69814735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910996590.0A Active CN110909449B (zh) 2019-10-19 2019-10-19 一种多源数据电离层区域现报方法

Country Status (1)

Country Link
CN (1) CN110909449B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111505702A (zh) * 2020-06-15 2020-08-07 华东交通大学 一种基于垂直边界截断射线的电离层层析方法
CN112272067A (zh) * 2020-10-15 2021-01-26 天津大学 一种基于多源数据处理的短波广播频率调度方法
CN112649899A (zh) * 2020-11-19 2021-04-13 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种全球电离层数据同化和预报方法
CN113109767A (zh) * 2021-03-27 2021-07-13 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种基于宽波束高频返回散射探测实现电离层区域重构的方法
CN115047406A (zh) * 2022-06-06 2022-09-13 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种地空链路传播衰减区域重构方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106526597A (zh) * 2016-11-10 2017-03-22 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种电离层返回散射交叉探测联合反演方法
CN109614585A (zh) * 2018-12-03 2019-04-12 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种新的电离层区域重构方法
CN110288117A (zh) * 2019-05-10 2019-09-27 中国人民解放军31007部队 一种电离层参数临界频率的区域重构方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106526597A (zh) * 2016-11-10 2017-03-22 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种电离层返回散射交叉探测联合反演方法
CN109614585A (zh) * 2018-12-03 2019-04-12 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种新的电离层区域重构方法
CN110288117A (zh) * 2019-05-10 2019-09-27 中国人民解放军31007部队 一种电离层参数临界频率的区域重构方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111505702A (zh) * 2020-06-15 2020-08-07 华东交通大学 一种基于垂直边界截断射线的电离层层析方法
CN111505702B (zh) * 2020-06-15 2023-08-11 华东交通大学 一种基于垂直边界截断射线的电离层层析方法
CN112272067A (zh) * 2020-10-15 2021-01-26 天津大学 一种基于多源数据处理的短波广播频率调度方法
CN112272067B (zh) * 2020-10-15 2022-04-08 天津大学 一种基于多源数据处理的短波广播频率调度方法
CN112649899A (zh) * 2020-11-19 2021-04-13 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种全球电离层数据同化和预报方法
CN112649899B (zh) * 2020-11-19 2023-01-24 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种全球电离层数据同化和预报方法
CN113109767A (zh) * 2021-03-27 2021-07-13 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种基于宽波束高频返回散射探测实现电离层区域重构的方法
CN113109767B (zh) * 2021-03-27 2022-02-01 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种基于宽波束高频返回散射探测实现电离层区域重构的方法
CN115047406A (zh) * 2022-06-06 2022-09-13 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种地空链路传播衰减区域重构方法
CN115047406B (zh) * 2022-06-06 2024-05-14 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种地空链路传播衰减区域重构方法

Also Published As

Publication number Publication date
CN110909449B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN110909449B (zh) 一种多源数据电离层区域现报方法
CN109142679B (zh) 基于人工神经网络克里金插值的森林土壤养分的空间预测方法
Zhang et al. A system for operational aerosol optical depth data assimilation over global oceans
CN110580474B (zh) 一种基于多源数据的农田重金属高风险区遥感快速识别方法
Heo et al. Digital elevation model-based convolutional neural network modeling for searching of high solar energy regions
Aghajany et al. Three dimensional ray tracing technique for tropospheric water vapor tomography using GPS measurements
Shvets et al. Variations of the global lightning distribution revealed from three‐station Schumann resonance measurements
CN104636608A (zh) 一种modis卫星数据的直接同化方法
CN112329265A (zh) 卫星遥感降水精细化空间估算方法及系统
CN114254802A (zh) 气候变化驱动下植被覆盖时空变化的预测方法
CN109325540A (zh) 一种针对遥感每天降水量数据的空间降尺度方法
Fan et al. A comparative study of four merging approaches for regional precipitation estimation
CN114417580A (zh) 一种观测系统对全球电离层数据同化性能的影响评估方法
Fan et al. Spatial correlations of daily precipitation over mainland China
Fu et al. Implications of diurnal variations in land surface temperature to data assimilation using MODIS LST data
Izanlou et al. Enhanced troposphere tomography: Integration of GNSS and remote sensing data with optimal vertical constraints
Christodoulou et al. A tool for Swarm satellite data analysis and anomaly detection
Adavi et al. Analyzing different parameterization methods in GNSS tomography using the COST benchmark dataset
Tian et al. Improving MODIS aerosol estimates over land with the surface BRDF reflectances using the 3-D discrete cosine transform and RossThick-LiSparse models
Sukmono et al. The Extraction of Near-Shore Bathymetry using Sentinel-2A Satellite Imagery: Algorithms and Their Modifications.
Shi et al. An investigation of a new artificial neural network-based TEC model using ground-based GPS and COSMIC-2 measurements over low latitudes
CN110031489B (zh) 一种数值积分参数化电离层层析方法
CN114239274A (zh) 多源遥感数据驱动指数滤波模型推求根层土壤水的方法
Oumbe et al. On the improvement of MACC aerosol spatial resolution for irradiance estimation in the United Arab Emirates
Forootan et al. Empirical data assimilation for merging total electron content data with empirical and physical models

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant