CN111505741A - Gnss电离层掩星数据气候研究的数据筛选方法及系统 - Google Patents
Gnss电离层掩星数据气候研究的数据筛选方法及系统 Download PDFInfo
- Publication number
- CN111505741A CN111505741A CN202010355685.7A CN202010355685A CN111505741A CN 111505741 A CN111505741 A CN 111505741A CN 202010355685 A CN202010355685 A CN 202010355685A CN 111505741 A CN111505741 A CN 111505741A
- Authority
- CN
- China
- Prior art keywords
- electron density
- data
- profile
- density profile
- occultation
- 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
Links
- 238000012216 screening Methods 0.000 title claims abstract description 101
- 239000005433 ionosphere Substances 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000011160 research Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 19
- 238000013496 data integrity verification Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 18
- 238000005315 distribution function Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000002360 preparation method Methods 0.000 claims description 8
- 230000003121 nonmonotonic effect Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 abstract description 6
- 230000005856 abnormality Effects 0.000 description 9
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- UDXGBANGPYONOK-UHFFFAOYSA-N n-(3-aminopropyl)-2-[(3-methylphenyl)methoxy]-n-(thiophen-2-ylmethyl)benzamide;hydrochloride Chemical compound Cl.CC1=CC=CC(COC=2C(=CC=CC=2)C(=O)N(CCCN)CC=2SC=CC=2)=C1 UDXGBANGPYONOK-UHFFFAOYSA-N 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
- G01S19/07—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing data for correcting measured positioning data, e.g. DGPS [differential GPS] or ionosphere corrections
- G01S19/072—Ionosphere corrections
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Complex Calculations (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了GNSS电离层掩星数据气候研究的数据筛选方法及系统，所述方法包括：从GNSS掩星科学数据集中获取待筛选的原始数据集；通过数据完整性校验，廓线形态检测和电子密度数值范围约束，对原始数据集的电子密度廓线进行基本数据筛选，得到通过基本数据筛选的电子密度廓线；通过F2层峰值高度检测，电子密度平均偏差检测，噪声水平检测，顶部电子密度梯度约束以及地磁活动状况判断；对通过基本数据筛选的电子密度廓线进行进阶数据筛选，得到可应用于电离层气候学分析的合格电子密度廓线。本发明的方法有效提高了掩星数据筛选的准确度和可靠性；能够满足利用大量GNSS电离层掩星数据进行长期电离层气候学研究的需求。
Description
技术领域
本发明涉及电离层气候研究领域，具体涉及GNSS电离层掩星数据气候研究的数据筛选方法及系统。
背景技术
电离层气候研究涵盖了电离层在各个维度的变化，包括电离层随经纬度的变化(赤道异常、中纬槽、经度“四波结构”等)，随季节的变化(半年异常、年异常、冬季异常等)，随地方时的变化(日间咬失、夜间增强等)，随太阳活动性的变化(非线性变化)。通过观测上述不同时间尺度的电离层周期变化或者非周期变化，有利于推动电离层气候变化中的驱动源、驱动过程等一系列电离层物理研究，从而为电离层气候学研究的应用重点，即电离层气候特征的预测与预报提供支撑，进一步为我国通信、导航、航天等高科技领域的空间天气预报提供观测和科学的基础。
GNSS掩星数据是十分重要的电离层气候观测资料，其具有全球覆盖，高精度，高垂直分辨率，长期稳定，无需定标，成本低廉等一系列优势，根据GNSS电离层掩星数据的长期稳定性和无需定标性，其尤其适用于电离层长期变化的气候研究。目前GNSS掩星业务化反演主要采用基于球对称假设的双频TEC方法，比如我国FY3系列卫星的GNOS掩星探测仪，以及美国的COSMIC。
GNSS电离层掩星反演的电离层产品数据存在误差，甚至存在一定比例的失真数据，如果这些失真数据被纳入到电离层长期气候特征的统计工作中则会对结果带来不可预估的影响，所以在利用GNSS掩星数据进行电离层气候研究前，需要有效且可靠的数据筛选方法，保证质量较好的数据可以通过筛选，失真和质量较差的数据则予以剔除，从而保证用于电离层气候学研究的掩星数据集的科学性和有效性。
发明内容
本发明的目的在于克服上述技术缺陷，提出了一种GNSS电离层掩星数据气候研究的数据筛选方法，其具有快速，易实现，模块化，对典型错误具有针对性和可靠性的特点。利用本发明的数据筛选方法获取的GNSS电离层掩星数据可以对电离层中以季节变化为主的年异常、半年异常、冬季异常、分季异常等组分进行有效观测，对长时间尺度的电离层气候学研究大有裨益。目前该方法已应用到了我国FY3C卫星的GNOS电离层掩星数据处理中并取得了显著的效果。
为实现上述目的，本发明提出了一种GNSS电离层掩星数据气候研究的数据筛选方法，所述方法包括：
从GNSS掩星科学数据集中获取待筛选的原始数据集；
通过数据完整性校验，廓线形态检测和电子密度数值范围约束，对原始数据集的电子密度廓线进行基本数据筛选，得到通过基本数据筛选的电子密度廓线，将不满足基本数据筛选条件的数据予以剔除；
通过F2层峰值高度检测，电子密度平均偏差检测，噪声水平检测，顶部电子密度梯度约束以及地磁活动状况判断；对通过基本数据筛选的电子密度廓线进行进阶数据筛选，得到可应用于电离层气候学分析的合格电子密度廓线，进一步将不满足进阶数据筛选条件的数据予以剔除。
作为上述方法的一种改进，所述通过数据完整性校验，廓线形态检测和电子密度数值范围约束，对原始数据集的电子密度廓线进行基本数据筛选，得到通过基本数据筛选的电子密度廓线，具体包括：
建立基本数据筛选的三个判定条件：
数据完整性判定条件：判断原始数据集中的电子密度廓线是否拥有完整的掩星切点经纬度信息以及相应的电子密度信息；
廓线形态判定条件：判断电子密度廓线是否为非单调变化；
电子密度数值范围约束判定条件：判断电子密度廓线的F2层峰值电子密度，是否处于不低于5el/cm3和不高于107el/cm3之间的合理范围内，以及电子密度是否全为正值；
当原始数据集的电子密度廓线同时满足以上三个判定条件，则该电子密度廓线通过基本数据筛选。
作为上述方法的一种改进，所述通过F2层峰值高度检测，电子密度平均偏差检测，噪声水平检测，顶部电子密度梯度约束以及地磁活动状况判断；对通过基本数据筛选的电子密度廓线进行进阶数据筛选，得到可应用于电离层气候学分析的合格电子密度廓线；具体包括：
建立进阶数据筛选的五个判定条件：
F2层峰值高度判定条件：判断电子密度廓线中电子密度的F2层峰值高度，是否处于全球电离层F2层峰值的200-450km的高度区间内；
电子密度平均偏差判定条件：判断电子密度廓线的平均偏差值是否小于MD阈值；
平均偏差MD定义如下：
其中，N为电子密度廓线中的电子密度采样点个数，nei为第i个采样点的电子密度值，
为经过九点滑动平均后得到的第i个采样点的电子密度值；
噪声水平判定条件：判断电子密度廓线的噪声因子是否低于0.01；
噪声因子Delta定义如下：
其中，ne(j)是电子密度廓线中海拔300km以上的电子密度值，
是平滑后的300km以上的电子密度值，k是电子密度廓线中300km以上的电子密度采样点个数；
顶部电子密度梯度约束判定条件：判断电子密度廓线在420-490km高度区间内的电子密度梯度，是否介于-7×106到-0.1×106m-4之间；
顶部电子密度的梯度Gradient定义如下：
其中，ne(490km)和ne(420km)分别为海拔490km和420km处的电子密度值；
地磁活动状况判定条件：判断电子密度廓线中所对应的电离层掩星发生时间是否在磁暴期内，即三小时磁情指数是否大于等于4；
若通过基本数据筛选的电子密度廓线能够同时满足进阶数据筛选中上述五个判定条件，则其属于合格电子密度廓线文件。
作为上述方法的一种改进，所述MD阈值的确定过程为：
选定一个MD值，若电子密度廓线数据集的MD概率密度分布函数大于该值时趋于均匀分布，则此MD值作为该数据集剔除具有异常尖峰数据文件的MD阈值。
本发明还提供了一种GNSS电离层掩星数据气候研究的数据筛选系统，所述系统包括：数据准备模块、基本数据筛选模块、进阶数据筛选模块和数据输出模块；
所述数据准备模块，用于从GNSS掩星科学数据集中获取待筛选的原始数据集；
所述基本数据筛选模块，用于通过数据完整性校验，廓线形态检测和电子密度数值范围约束，对原始数据集的电子密度廓线进行基本数据筛选，得到通过基本数据筛选的电子密度廓线；
所述进阶数据筛选模块，用于通过F2层峰值高度检测，电子密度平均偏差检测，噪声水平检测，顶部电子密度梯度约束以及地磁活动状况判断；对通过基本数据筛选的电子密度廓线进行进阶数据筛选，得到可应用于电离层气候学分析的合格电子密度廓线；
所述数据输出模块，用于输出可应用于电离层气候学分析的合格电子密度廓线。
作为上述系统的一种改进，所述基本数据筛选模块的具体实现过程为：
建立基本数据筛选的三个判定条件：
数据完整性判定条件：判断原始数据集中的电子密度廓线是否拥有完整的掩星切点经纬度信息以及相应的电子密度信息；
廓线形态判定条件：判断电子密度廓线是否为非单调变化；
电子密度数值范围约束判定条件：判断电子密度廓线的F2层峰值电子密度，是否处于不低于5el/cm3和不高于107el/cm3之间的合理范围内，以及电子密度是否全为正值；
当原始数据集的电子密度廓线同时满足以上三个判定条件，则该电子密度廓线通过基本数据筛选。
作为上述系统的一种改进，所述进阶数据筛选模块的具体实现过程为：
建立进阶数据筛选的五个判定条件：
F2层峰值高度判定条件：判断电子密度廓线中电子密度的F2层峰值高度，是否处于全球电离层F2层峰值的200-450km的高度区间内；
电子密度平均偏差判定条件：判断电子密度廓线的平均偏差值是否小于MD阈值；
平均偏差MD定义如下：
其中，N为电子密度廓线中的电子密度采样点个数，nei为第i个采样点的电子密度值，
为经过九点滑动平均后得到的第i个采样点的电子密度值；
噪声水平判定条件：判断电子密度廓线的噪声因子是否低于0.01；
噪声因子Delta定义如下：
其中，ne(j)是电子密度廓线中海拔300km以上的电子密度值，
是平滑后的300km以上的电子密度值，k是电子密度廓线中300km以上的电子密度采样点个数；
顶部电子密度梯度约束判定条件：判断电子密度廓线在420-490km高度区间内的电子密度梯度，是否介于-7×106到-0.1×106m-4之间；
顶部电子密度的梯度Gradient定义如下：
其中，ne(490km)和ne(420km)分别为海拔490km和420km处的电子密度值；
地磁活动状况判定条件：判断电子密度廓线中所对应的电离层掩星发生时间是否在磁暴期内，即三小时磁情指数是否大于等于4；
若通过基本数据筛选的电子密度廓线能够同时满足进阶数据筛选中上述五个判定条件，则其属于合格电子密度廓线文件。
作为上述系统的一种改进，所述MD阈值的确定过程为：
选定一个MD值，若电子密度廓线数据集的MD概率密度分布函数大于该值时趋于均匀分布，则此MD值作为该数据集剔除具有异常尖峰数据文件的MD阈值。
本发明的优势在于：
1、本发明的方法具有快速，易实现，模块化等优点，其可根据不同数据集特点动态调整各阈值，从而提高了该方法筛选典型廓线异常的可靠性和针对性；
2、本发明的方法对电离层掩星数据采取了基本数据筛选以及进阶数据筛选，可以同时保证筛查过的电离层掩星文件的数据完整性以及数据科学性，具备快速，易实现，模块化，可动态调整等特性，有效提高了掩星数据筛选的准确度和可靠性；能够满足利用大量GNSS电离层掩星数据进行长期电离层气候学研究的需求；
3、利用本发明的方法获取的GNSS电离层掩星数据可以对电离层中以季节变化为主的年异常、半年异常、冬季异常、分季异常等组分进行有效观测，对长时间尺度的电离层气候学研究大有裨益。目前该方法已应用到了我国FY3C卫星的GNOS电离层掩星数据处理中并取得了显著的效果。
附图说明
图1为本发明的GNSS电离层掩星数据气候研究的数据筛选方法的流程图；
图2为本发明的GNSS电离层掩星数据气候研究的数据筛选系统的示意图；
图3为2018.111年积日中的一条FY3C电离层掩星廓线；
图4为2017.035-2019.035期间电离层掩星文件数据集的MD概率密度分布；
图5为2017.035-2019.035期间春季平均电离层NmF2全球气候分布图；
图6为2017.035-2019.035期间夏季平均电离层NmF2全球气候分布图；箭头指向威德海异常区域，(c)(d)中的箭头指向的区域相对于(a)(b)中的箭头指向的区域出现了NmF2的夜间增强；
图7为2017.035-2019.035期间秋季平均电离层NmF2全球气候分布图；
图8为2017.035-2019.035期间冬季平均电离层NmF2全球气候分布；箭头指向威德海异常区域，(c)(d)中的箭头指向的区域相对于(a)(b)中的箭头指向的区域出现了NmF2的夜间增强；
图9为2017.035-2019.035期间春季电离层hmF2全球气候分布图；
图10为2017.035-2019.035期间夏季电离层hmF2全球气候分布图；
图11为2017.035-2019.035期间秋季电离层hmF2全球气候分布图；
图12为2017.035-2019.035期间冬季电离层hmF2全球气候分布图。
具体实施方式
下面结合附图对本发明的技术方案进行详细的说明。
如图1所示，本发明的实施例1提出了一种GNSS电离层掩星数据气候研究的数据筛选方法，包括以下步骤：
步骤1)数据准备：针对GNSS掩星netcdf科学数据集进行收集和汇总以作为待筛选原始数据集。
步骤2)基本数据筛选，包括：数据完整性校验，廓线形态检测，电子密度数值范围约束；
基本数据筛选指对电离层掩星电子密度廓线最基本的保证数据质量的数据筛选，主要包括数据文件完整性，廓线形态，电子密度数值范围三个判定条件，
在数据完整性校验中，判断原始数据集中的电子密度廓线文件是否拥有完整的掩星切点经纬度信息以及相应的电子密度信息；其中，一个电子密度廓线文件是一个nc文件，只包含一条电子密度廓线。
在廓线形态检测中，基于电子密度廓线的F2层峰值特性，即电子密度随海拔高度的非单调变化特性，判断电子密度廓线是否为非单调变化；
在电子密度数值范围约束中，判断电子密度廓线的F2层峰值电子密度是否在过小(小于5el/cm3)和过大(大于107el/cm3)之间的合理范围内以及电子密度是否全为正值，
当单条电子密度廓线同时满足以上三个判定条件，则该廓线通过基本数据筛选，可以进入下一步的进阶数据筛选。
步骤3)进阶数据筛选：依据电离层理论对廓线进一步约束，包括F2层峰值高度检测，电子密度平均偏差控制，噪声水平控制，顶部电子密度梯度约束以及地磁活动状况判断；
对通过基本数据筛选的电子密度廓线文件进行进阶数据筛选，主要如下：
在峰值高度检测中，判断廓线文件中电子密度廓线的F2层峰值高度，是否处于全球电离层F2层峰值的200-450km的高度区间内，并作为进阶数据筛选的第一个判定条件；
在电子密度平均偏差控制中，由于电子密度廓线可能会在电离层电子密度不规则体的影响下随高度的变化而出现尖峰，定义平均偏差(Mean Deviation,MD)对电子密度尖峰进行侦测，平均偏差定义如下：
其中，N为单条廓线中的电子密度采样点个数，nei和
分别为第i个采样点的电子密度值以及经过九点滑动平均后得到的第i个采样点的电子密度值。异常电子密度尖峰会导致平滑电子密度与背景电子密度之间的较大偏移，从而造成较大的平均偏差值，异常的电子密度尖峰得以侦测。选定一MD值，若电子密度廓线数据集的MD概率密度分布函数大于该阈值时趋于均匀分布，则此MD值可作为该数据集剔除具有异常尖峰数据文件的MD阈值。将单条廓线文件的MD值是否在定义阈值内作为第二个判定条件；
在噪声水平控制中，由于电子密度廓线可能会在电离层闪烁作用下失真，定义噪声因子Delta对在噪声中失真的廓线进行监测，噪声因子定义如下：
ne(j)是廓线文件中海拔300km以上的电子密度值，
是平滑后的300km以上的电子密度值，k是廓线文件中300km以上的电子密度采样点个数。将单条廓线文件的Delta值是否低于0.01作为第三个判定条件；
在顶部电子密度梯度约束中，根据Chapman理论，电离层廓线的顶部电子密度在420-490km海拔高度内呈现负梯度，在国际电离层模型(International ReferenceIonosphere,IRI)生成的电子密度廓线中，该高度区间内电子密度梯度集中于-7×106到-0.1×106m-4之间。因此，单条廓线文件在该高度区间内的电子密度梯度是否处于该阈值之内为第四个判定条件。顶部电子密度的梯度定义如下：
其中，ne(490km)和ne(420km)分别为海拔490km和420km处的电子密度值。
在地磁活动状况判断中，电子密度廓线的峰值参数，如F2层峰值电子密度(NmF2)，峰值高度(hmF2)，会对磁暴发生响应，从而产生相对于地磁平静时期的严重波动。因此，将单个廓线文件中所对应的电离层掩星发生时间是否在磁暴期(三小时磁情指数Kp≥4)之外作为第五个判定条件。
若经过基本数据筛选的廓线文件能够同时满足进阶数据筛选中上述五个判定条件，则可以判定该数据为可应用于电离层气候学分析的合格廓线文件。
如图2所示，本发明的实施例2提供了一种GNSS电离层掩星数据气候研究的数据数据筛选系统，包括：数据准备模块，基本数据筛选模块，进阶数据筛选模块和数据输出模块；其中，
数据准备模块，用于从GNSS掩星科学数据集中获取待筛选的原始数据集；
基本数据筛选模块，用于通过数据完整性校验，廓线形态检测和电子密度数值范围约束，对原始数据集的电子密度廓线进行基本数据筛选，得到通过基本数据筛选的电子密度廓线；
进阶数据筛选模块，用于通过F2层峰值高度检测，电子密度平均偏差检测，噪声水平检测，顶部电子密度梯度约束以及地磁活动状况判断；对通过基本数据筛选的电子密度廓线进行进阶数据筛选，得到可应用于电离层气候学分析的合格电子密度廓线；
数据输出模块，用于输出可应用于电离层气候学分析的合格电子密度廓线。
实例1
采用本发明的数据筛选方法，收集2017.035-2019.035期间的FY3C以及COSMIC共260751个原始netcdf文件，即260751条GNSS掩星垂直廓线数据，通过基本数据筛选，剔除掉51.39％,剩余126784条电离层掩星数据，通过进阶数据筛选处理，剔除掉29.05％,最后获取到89958条FY3C与COSMIC的电离层掩星气候学数据。以下以图3中的单条FY3C电离层掩星文件为例实施该发明中的数据筛选方法，COSMIC掩星文件实施流程与FY3C相似：
第一步：准备2017.035-2019.035期间的FY3C与COSMIC电离层掩星数据。
第二步：对数据集内的电离层掩星文件进行基本数据筛选，譬如2018.111年积日内的一条FY3C电离层掩星文件，如图3所示。
(1)在数据完整性校验中，该掩星文件的掩星切点经纬度信息正常，电子密度廓线完整。
(2)在廓线形态检测中，该掩星廓线具有明显的F2层峰值电子密度特征，呈现出非单调变化特性。
(3)在电子密度数值范围约束中，该掩星廓线的峰值电子密度NmF2为6.47×105el/cm3，大于NmF2的最小阈值5el/cm3，小于NmF2的最大阈值107el/cm3，且电子密度廓线未出现为负值的采样点。
该GNSS掩星廓线满足基本数据筛选中的三个判定条件，进入下一步的进阶数据筛选。
第三步：对图3中的掩星廓线文件实施进阶数据筛选。
(1)在峰值高度检测中，该电子密度廓线的峰值高度为321km，处于200-450km的hmF2高度区间，符合第一个判定条件；
(2)在电子密度平均偏差控制中，在图4中呈现2017.035-2019.035期间掩星数据集的MD概率密度分布后可以发现，当MD高于0.1时，掩星电子密度廓线数量趋于均匀分布，因此使用0.1作为此数据集的MD筛选阈值。图3中由圆圈采样点组成的实际电子密度廓线与由星号采样点组成的平滑后的电子密度廓线之间的平均偏差值，即MD为0.008，小于MD阈值0.1，因此该电子密度廓线符合第二个判定条件；
(3)在噪声水平控制中，经计算，该电子密度廓线的噪声因子Delta值为0.005,低于预设的噪声因子阈值0.01，该电子密度廓线符合第三个判定条件；
(4)在顶部电子密度梯度约束中，可以发现，该电子密度廓线在490km处的电子密度为1.743×105el/cm3，在420km处的电子密度为3.248×105el/cm3，则该条廓线的顶部电子密度梯度为(1.743×105-3.248×105el/cm3)/70km＝-2.150×106m-4，该顶部电子密度梯度处于预设阈值区间-7×106el/cm3和-0.1×106el/cm3之间，符合第四个判定条件；
(5)在地磁活动状况判断中，廓线文件中电离层掩星发生的世界时间为2018年4月21日20点10分，而将该掩星发生时间点覆盖在内的2018年4月21日的18点磁情指数为3，因此该时间点并不在地磁暴(Kp≥4)发生期间内，符合第五个判定条件；
满足基本数据筛选中的三个判据以及进阶数据筛选中的五个判据后，该电子密度廓线被认定为合格的电离层掩星气候研究数据。
采用本方法对原始数据集中的全部数据进行数据筛选后，进一步提取电离层的季平均NmF2数据，发现其同IRI模型的NmF2气候学表现高度一致，都具备明显且完善的典型电离层气候学特性，如赤道异常，年异常，半年异常，分季异常，夏季中纬度夜间异常等，同时，冬季异常在两者中体现得都不明显，表征了本发明中GNSS电离层掩星数据气候研究的数据筛选方法的有效性和可靠性，具体电离层气候特征如下：
(1)赤道异常：图5-图8的(a)(b)中的白天期间，电离层掩星NmF2以及IRI模型生成NmF2均表现出明显的赤道异常特征，即沿磁赤道的低值电子密度被两条高值电子密度条带所包围的典型电离层气候学现象。
(2)夏季中纬夜间异常：该异常表现为夜间电离层电子密度相对于白天的区域性反常增加，呈现形式有一般威德海异常以及特殊威德海异常两种电离层气候学特征。在图8的(c)(d)中夜间的IRI以及电离层掩星NmF2均表现出相对于图8的(a)(b)中白天期间的威德海海域的NmF2增强，此为特殊威德海异常。此外，图8的(c)(d)中的威德海西侧毗邻海域以及图6(c)(d)中的东亚区域在夜间也表现出相对于白天期间的NmF2增强，此为一般威德海异常。由于两类现象均在中磁纬地区分布，因此被统称为夏季中纬夜间异常。
(3)年异常：把北半球以及南半球视为一个整体，图8中冬季IRI NmF2以及电离层掩星NmF2无论在白天和夜间都要比图6中的夏季IRI NmF2以及电离层掩星NmF2要显著，该现象为电离层年异常。
(4)半年异常：图5中的春季IRI NmF2以及电离层掩星NmF2在(a)(b)中的白天期间和(c)(d)中的夜晚期间均比图7中的秋季IRI NmF2以及电离层掩星NmF2要高，该电离层气候学现象为半年异常。
(5)冬季异常：白天期间冬季半球中纬度的NmF2高于夏季半球中纬度NmF2的现象为冬季异常，而在图6和图8的(a)(b)中，IRI以及电离层掩星在冬季半球更为显著的NmF2主要分布在磁赤道以及低纬地区，两者在中纬度地区的高值NmF2趋于消失，该现象的消失与较低的太阳活动密切相关。
实例2
本实例中采用FY3C的电离层掩星数据以获取全球分布的峰值高度(hmF2)数据。采用本发明的数据筛选方法，收集2017.035-2019.035期间的FY3C共119215个原始netcdf文件，即119215条GNSS掩星垂直廓线数据，通过基本数据筛选，剔除掉34.16％，剩余78492条电离层掩星数据，通过进阶数据筛选，剔除掉29.08％，最后获取到55668条FY3C电离层掩星气候学数据。
采用本方法对FY3C电离层掩星数据文件进行数据筛选后，进一步提取电离层季hmF2中位数数据并进行全球气候学研究，见图9-图12，发现其同IRI模型的AMTB以及SDMF2hmF2预测选项具有高度一致的hmF2气候学特征，如hmF2的半球异常，夏季中纬度夜间异常等现象，表明了本发明中GNSS电离层掩星数据气候研究的数据筛选方法的有效性和可靠性。
(1)半球异常：在图10和图12中，FY3C的电离层掩星hmF2，IRI模型的AMTB以及SDMF2预测选项生成的hmF2在夏季半球时无论在白天还是黑夜都要高于冬季半球的hmF2。即在图10的夏季hmF2分布中，北半球的hmF2要高于南半球的hmF2，而在图12的冬季hmF2分布中，南半球的hmF2则要高于北半球的hmF2。
(2)夏季中纬度夜间异常：在图9-图12中，FY3C的实测hmF2、IRI模型的AMTB以及SDMF2选项生成的hmF2均具备夏季中纬度夜间异常特征，但与NmF2昼夜变化特征不同的是，该夏季中纬度夜间异常中的一般威德海异常和特殊威德海异常在北半球以及南半球同时出现，且一年四季都有所体现。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种GNSS电离层掩星数据气候研究的数据筛选方法，所述方法包括：
从GNSS掩星科学数据集中获取待筛选的原始数据集；
通过数据完整性校验，廓线形态检测和电子密度数值范围约束，对原始数据集的电子密度廓线进行基本数据筛选，得到通过基本数据筛选的电子密度廓线；
通过F2层峰值高度检测，电子密度平均偏差检测，噪声水平检测，顶部电子密度梯度约束以及地磁活动状况判断；对通过基本数据筛选的电子密度廓线进行进阶数据筛选，得到可应用于电离层气候学分析的合格电子密度廓线。
2.根据权利要求1所述的GNSS电离层掩星数据气候研究的数据筛选方法，其特征在于，所述通过数据完整性校验，廓线形态检测和电子密度数值范围约束，对原始数据集的电子密度廓线进行基本数据筛选，得到通过基本数据筛选的电子密度廓线，具体包括：
建立基本数据筛选的三个判定条件：
数据完整性判定条件：判断原始数据集中的电子密度廓线是否拥有完整的掩星切点经纬度信息以及相应的电子密度信息；
廓线形态判定条件：判断电子密度廓线是否为非单调变化；
电子密度数值范围约束判定条件：判断电子密度廓线的F2层峰值电子密度，是否处于不低于5el/cm3和不高于107el/cm3之间的合理范围内，以及电子密度是否全为正值；
当原始数据集的电子密度廓线同时满足以上三个判定条件，则该电子密度廓线通过基本数据筛选。
3.根据权利要求1或2所述的GNSS电离层掩星数据气候研究的数据数据筛选方法，其特征在于，所述通过F2层峰值高度检测，电子密度平均偏差检测，噪声水平检测，顶部电子密度梯度约束以及地磁活动状况判断；对通过基本数据筛选的电子密度廓线进行进阶数据筛选，得到可应用于电离层气候学分析的合格电子密度廓线；具体包括：
建立进阶数据筛选的五个判定条件：
F2层峰值高度判定条件：判断电子密度廓线中电子密度的F2层峰值高度，是否处于全球电离层F2层峰值的200-450km的高度区间内；
电子密度平均偏差判定条件：判断电子密度廓线的平均偏差值是否小于MD阈值；
平均偏差MD定义如下：
其中，N为电子密度廓线中的电子密度采样点个数，nei为第i个采样点的电子密度值，
为经过九点滑动平均后得到的第i个采样点的电子密度值；
噪声水平判定条件：判断电子密度廓线的噪声因子是否低于0.01；
噪声因子Delta定义如下：
其中，ne(j)是电子密度廓线中海拔300km以上的电子密度值，
是平滑后的300km以上的电子密度值，k是电子密度廓线中300km以上的电子密度采样点个数；
顶部电子密度梯度约束判定条件：判断电子密度廓线在420-490km高度区间内的电子密度梯度，是否介于-7×106到-0.1×106m-4之间；
顶部电子密度的梯度Gradient定义如下：
其中，ne(490km)和ne(420km)分别为海拔490km和420km处的电子密度值；
地磁活动状况判定条件：判断电子密度廓线中所对应的电离层掩星发生时间是否在磁暴期内，即三小时磁情指数是否大于等于4；
若通过基本数据筛选的电子密度廓线能够同时满足进阶数据筛选中上述五个判定条件，则其属于合格电子密度廓线文件。
4.根据权利要求3所述的GNSS电离层掩星数据气候研究的数据数据筛选方法，其特征在于，所述MD阈值的确定过程为：
选定一个MD值，若电子密度廓线数据集的MD概率密度分布函数大于该值时趋于均匀分布，则此MD值作为该数据集剔除具有异常尖峰数据文件的MD阈值。
5.一种GNSS电离层掩星数据气候研究的数据筛选系统，其特征在于，所述系统包括：数据准备模块、基本数据筛选模块、进阶数据筛选模块和数据输出模块；
所述数据准备模块，用于从GNSS掩星科学数据集中获取待筛选的原始数据集；
所述基本数据筛选模块，用于通过数据完整性校验，廓线形态检测和电子密度数值范围约束，对原始数据集的电子密度廓线进行基本数据筛选，得到通过基本数据筛选的电子密度廓线；
所述进阶数据筛选模块，用于通过F2层峰值高度检测，电子密度平均偏差检测，噪声水平检测，顶部电子密度梯度约束以及地磁活动状况判断；对通过基本数据筛选的电子密度廓线进行进阶数据筛选，得到可应用于电离层气候学分析的合格电子密度廓线；
所述数据输出模块，用于输出可应用于电离层气候学分析的合格电子密度廓线。
6.根据权利要求5所述的GNSS电离层掩星数据气候研究的数据筛选系统，其特征在于，所述基本数据筛选模块的具体实现过程为：
建立基本数据筛选的三个判定条件：
数据完整性判定条件：判断原始数据集中的电子密度廓线是否拥有完整的掩星切点经纬度信息以及相应的电子密度信息；
廓线形态判定条件：判断电子密度廓线是否为非单调变化；
电子密度数值范围约束判定条件：判断电子密度廓线的F2层峰值电子密度，是否处于不低于5el/cm3和不高于107el/cm3之间的合理范围内，以及电子密度是否全为正值；
当原始数据集的电子密度廓线同时满足以上三个判定条件，则该电子密度廓线通过基本数据筛选。
7.根据权利要求5所述的GNSS电离层掩星数据气候研究的数据筛选系统，，其特征在于，所述进阶数据筛选模块的具体实现过程为：
建立进阶数据筛选的五个判定条件：
F2层峰值高度判定条件：判断电子密度廓线中电子密度的F2层峰值高度，是否处于全球电离层F2层峰值的200-450km的高度区间内；
电子密度平均偏差判定条件：判断电子密度廓线的平均偏差值是否小于MD阈值；
平均偏差MD定义如下：
其中，N为电子密度廓线中的电子密度采样点个数，nei为第i个采样点的电子密度值，
为经过九点滑动平均后得到的第i个采样点的电子密度值；
噪声水平判定条件：判断电子密度廓线的噪声因子是否低于0.01；
噪声因子Delta定义如下：
其中，ne(j)是电子密度廓线中海拔300km以上的电子密度值，
是平滑后的300km以上的电子密度值，k是电子密度廓线中300km以上的电子密度采样点个数；
顶部电子密度梯度约束判定条件：判断电子密度廓线在420-490km高度区间内的电子密度梯度，是否介于-7×106到-0.1×106m-4之间；
顶部电子密度的梯度Gradient定义如下：
其中，ne(490km)和ne(420km)分别为海拔490km和420km处的电子密度值；
地磁活动状况判定条件：判断电子密度廓线中所对应的电离层掩星发生时间是否在磁暴期内，即三小时磁情指数是否大于等于4；
若通过基本数据筛选的电子密度廓线能够同时满足进阶数据筛选中上述五个判定条件，则其属于合格电子密度廓线文件。
8.根据权利要求7所述的GNSS电离层掩星数据气候研究的数据筛选系统，其特征在于，所述MD阈值的确定过程为：
选定一个MD值，若电子密度廓线数据集的MD概率密度分布函数大于该值时趋于均匀分布，则此MD值作为该数据集剔除具有异常尖峰数据文件的MD阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010355685.7A CN111505741B (zh) | 2020-04-29 | 2020-04-29 | Gnss电离层掩星数据气候研究的数据筛选方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010355685.7A CN111505741B (zh) | 2020-04-29 | 2020-04-29 | Gnss电离层掩星数据气候研究的数据筛选方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111505741A true CN111505741A (zh) | 2020-08-07 |
| CN111505741B CN111505741B (zh) | 2022-05-03 |
Family
ID=71869638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010355685.7A Active CN111505741B (zh) | 2020-04-29 | 2020-04-29 | Gnss电离层掩星数据气候研究的数据筛选方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111505741B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113031036A (zh) * | 2021-03-01 | 2021-06-25 | 中国矿业大学 | 基于GNSS 30s采样频率数据的电离层相位闪烁因子构建方法 |
| CN113189620A (zh) * | 2021-04-13 | 2021-07-30 | 中国科学院国家空间科学中心 | 一种gnss掩星临近空间气候数据反演方法及系统 |
| CN113220739A (zh) * | 2021-04-13 | 2021-08-06 | 中国科学院国家空间科学中心 | 一种基于多源gnss掩星数据融合的气候数据反演方法及系统 |
| CN118131267A (zh) * | 2024-03-25 | 2024-06-04 | 中国矿业大学 | M级耀斑驱动的地磁暴、电离层闪烁及定位耦合分析方法 |
| CN118348618A (zh) * | 2024-06-18 | 2024-07-16 | 天津云遥宇航科技有限公司 | 基于gnss掩星数据切点轨迹确定台风眼位置的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108320063A (zh) * | 2018-03-26 | 2018-07-24 | 上海积成能源科技有限公司 | 一种电力负荷预测中对异常数据剔除和去噪处理的方法 |
| CN110275184A (zh) * | 2019-06-18 | 2019-09-24 | 中国科学院国家空间科学中心 | 一种gnss掩星电离层残差修正方法、系统、设备及存储介质 |
| CN110275183A (zh) * | 2019-06-18 | 2019-09-24 | 中国科学院国家空间科学中心 | 基于电离层电子密度的gnss掩星电离层残差修正方法及系统 |
| CN110275185A (zh) * | 2019-07-11 | 2019-09-24 | 武汉大学 | 基于gnss和geo卫星的电离层投影函数建模方法 |
-
2020
- 2020-04-29 CN CN202010355685.7A patent/CN111505741B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108320063A (zh) * | 2018-03-26 | 2018-07-24 | 上海积成能源科技有限公司 | 一种电力负荷预测中对异常数据剔除和去噪处理的方法 |
| CN110275184A (zh) * | 2019-06-18 | 2019-09-24 | 中国科学院国家空间科学中心 | 一种gnss掩星电离层残差修正方法、系统、设备及存储介质 |
| CN110275183A (zh) * | 2019-06-18 | 2019-09-24 | 中国科学院国家空间科学中心 | 基于电离层电子密度的gnss掩星电离层残差修正方法及系统 |
| CN110275185A (zh) * | 2019-07-11 | 2019-09-24 | 武汉大学 | 基于gnss和geo卫星的电离层投影函数建模方法 |
Non-Patent Citations (1)
| Title |
|---|
| 徐桃玲: "震前电离层异常扰动特征——基于地基和天基GPS观测技术", 《基础科学辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113031036A (zh) * | 2021-03-01 | 2021-06-25 | 中国矿业大学 | 基于GNSS 30s采样频率数据的电离层相位闪烁因子构建方法 |
| CN113031036B (zh) * | 2021-03-01 | 2021-09-24 | 中国矿业大学 | 基于GNSS 30s采样频率数据的电离层相位闪烁因子构建方法 |
| CN113189620A (zh) * | 2021-04-13 | 2021-07-30 | 中国科学院国家空间科学中心 | 一种gnss掩星临近空间气候数据反演方法及系统 |
| CN113220739A (zh) * | 2021-04-13 | 2021-08-06 | 中国科学院国家空间科学中心 | 一种基于多源gnss掩星数据融合的气候数据反演方法及系统 |
| CN113189620B (zh) * | 2021-04-13 | 2021-11-09 | 中国科学院国家空间科学中心 | 一种gnss掩星临近空间气候数据反演方法及系统 |
| CN113220739B (zh) * | 2021-04-13 | 2021-12-07 | 中国科学院国家空间科学中心 | 一种基于多源gnss掩星数据融合的气候数据反演方法及系统 |
| CN118131267A (zh) * | 2024-03-25 | 2024-06-04 | 中国矿业大学 | M级耀斑驱动的地磁暴、电离层闪烁及定位耦合分析方法 |
| CN118131267B (zh) * | 2024-03-25 | 2024-09-17 | 中国矿业大学 | M级耀斑驱动的地磁暴、电离层闪烁及定位耦合分析方法 |
| CN118348618A (zh) * | 2024-06-18 | 2024-07-16 | 天津云遥宇航科技有限公司 | 基于gnss掩星数据切点轨迹确定台风眼位置的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111505741B (zh) | 2022-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111505741B (zh) | Gnss电离层掩星数据气候研究的数据筛选方法及系统 | |
| CN108760643B (zh) | 一种适宜于高海拔地区的干旱遥感监测方法 | |
| Liu et al. | A new statistical downscaling model for autumn precipitation in China | |
| Deni et al. | The spatial distribution of wet and dry spells over Peninsular Malaysia | |
| Gao et al. | Water requirement of summer maize at different growth stages and the spatiotemporal characteristics of agricultural drought in the Huaihe River Basin, China | |
| Feng et al. | Merging ground-based sunshine duration observations with satellite cloud and aerosol retrievals to produce high-resolution long-term surface solar radiation over China | |
| CN114254802B (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
| CN108983324A (zh) | 一种基于卡尔曼滤波的气温预报方法及系统 | |
| He et al. | Quantifying the changing properties of climate extremes in Guangdong Province using individual and integrated climate indices | |
| Ao et al. | Decadal change in factors affecting winter precipitation over eastern China | |
| Gao et al. | Heterogeneity and non-linearity of ecosystem responses to climate change in the Qilian Mountains National Park, China | |
| ISHIGOOKA et al. | Spatial characterization of recent hot summers in Japan with agro-climatic indices related to rice production | |
| Linsenmeier et al. | Global inequalities in weather forecasts | |
| Khaydarov et al. | Climate variability and change over Uzbekistan-an analysis based on high resolution CHELSA data | |
| Duhan et al. | Rainfall variability and its association with El Niño Southern Oscillation in Tons River Basin, India | |
| Campra et al. | Trend analysis by a piecewise linear regression model applied to surface air temperatures in Southeastern Spain (1973–2014) | |
| CN117610940A (zh) | 大风灾害危险性评估区划方法、装置、设备及介质 | |
| YILDIRIM et al. | Trend analysis of 41 years of sunshine duration data for Turkey. | |
| Kumar et al. | Evaluating the consistency of the TRMM over the rain gauge for drought monitoring in the semi-arid region of Karnataka, India, using statistical methods | |
| Azizzadeh et al. | Trends of extreme temperature over the Lake Urmia basin, Iran, during 1987–2014 | |
| Jiao et al. | A 333-year record of the mean minimum temperature reconstruction in the western Tianshan Mountains, China | |
| Shah et al. | Minimum temperature analysis and trends in Pakistan | |
| CN115329610A (zh) | 一种基于土壤水分的旱涝急转事件识别方法、装置及设备 | |
| Meng et al. | Spatio-Temporal Characteristics of Extreme Cold Events and Their Impacts on Population and Economy in Tianjin Binhai New Area, China | |
| Kant | Trend and variability of hourly intensity of rainfall over eastern and northern part of Uttar Pradesh during 1969-2014 |
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 |