CN112649899A - 一种全球电离层数据同化和预报方法 - Google Patents
一种全球电离层数据同化和预报方法 Download PDFInfo
- Publication number
- CN112649899A CN112649899A CN202011304313.8A CN202011304313A CN112649899A CN 112649899 A CN112649899 A CN 112649899A CN 202011304313 A CN202011304313 A CN 202011304313A CN 112649899 A CN112649899 A CN 112649899A
- Authority
- CN
- China
- Prior art keywords
- data
- matrix
- assimilation
- electron density
- observation
- 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
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
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- 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
- G01S19/13—Receivers
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
-
- 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)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种全球电离层数据同化和预报方法,包括获取全球分布的地基GNSS接收机、LEO卫星掩星、垂测仪、卫星信标接收机和小型光度计探测数据等步骤。本发明基于数据最优化估计理论,提供了一种全球电离层数据同化和预报方法,该方法采用限带卡尔曼滤波(Band‑Limited Kalman Filter)和高斯—马尔科夫过程(Gauss‑Markov Process),结合稀疏矩阵存储和快速处理算法,有效降低了全球电离层数据同化大规模矩阵运算对计算机内存的需求,同时大大减少数据同化过程所需的运行时间,可实现全球地基和天基多源探测数据的实时同化和短期预报。对于实现业务化的全球电离层环境参量现报和预报,提升无线电信息系统电离层环境信息保障能力具有重要意义。
Description
技术领域
本发明属于空间环境现报预报技术应用领域,特别涉及该领域中的一种全球电离层数据同化和预报方法。
背景技术
电离层作为日地空间环境的重要组成部分,会对穿越其中的无线电波产生折射、反射、散射和吸收等效应,从而影响卫星导航、通信、雷达等诸多无线电信息系统的性能。利用各类技术手段来获取电离层的特征参量,研究电离层中的各种现象,从而揭示其背后的物理机制,具有重要的科学乃至政治、军事和经济意义。
随着地基和天基电离层探测网络的不断发展和日益完善,各类电离层探测数据开始逐渐增多,如何有效利用这些数据满足电离层精确现报和预报的要求,从而构建业务化电离层现报预报系统,已成为当前电离层研究的热点方向。数据同化技术作为在现代数值天气预报中广泛应用的一种技术,它能够对各种天地基观测数据进行综合利用,从而把各种时间和空间上既不规则而且零散分布的观测资料“吸收”到背景模式中,达到观测数据与背景模式之间的深度融合。数据同化技术在电离层研究领域开始受到世界各国研究者极大关注。目前,电离层数据同化大多采用三维/四维变分和Kalman滤波算法。变分同化算法既需要进行背景模型的后向预报,也需要计算模型切线性的正向积分和伴随模式的后向积分,实现难度非常大;由于全球电离层数据同化待求解的状态变量的维度非常高(通常大于20万),卡尔曼滤波同化中同样面临增益矩阵求逆、协方差矩阵传播过程中不可避免的超大规模稀疏矩阵存储和处理的难题,构建业务化的电离层实时数据同化和预报系统尚有不少关键问题待进一步完善和解决。
发明内容
本发明所要解决的技术问题就是提供一种全球电离层数据同化和预报方法,可为构建业务化的电离层数据同化和预报系统提供重要的技术支撑。
本发明采用如下技术方案:
一种全球电离层数据同化和预报方法,其改进之处在于,包括如下步骤:
步骤1,获取全球分布的地基GNSS接收机、LEO卫星掩星、垂测仪、卫星信标接收机和小型光度计探测数据,分别提取电离层总电子含量TEC和电子密度的观测数据,按照设定的时间窗口将数据存储在一个指定的文件内,该文件包括:数据类型编号、观测时刻、测站经纬高坐标、卫星测站经纬高坐标、TEC或电子密度测量值;
步骤2,获取电离层数据同化和预报需要的日地空间环境参量数据,包括太阳辐射通量和地磁指数,将数据同化所对应的太阳辐射通量、地磁指数及模型运行所需要的配置参量,包括运行模式设定、输入的观测数据存储路径、输出数据的存储和网格分辨率设定,一并存储到指定的配置文件内;
步骤3,构建电离层数据同化观测算子,将电离层TEC和电子密度数据按照“线”型和“点”型观测数据进行分类;
对于“点”型电子密度观测数据,插值方法如下:
其中:Ne表示电子密度,K表示级数展开的级数,r表示地理位置,hk(r)为基函数,ak为插值系数,基函数计算方法如下:
对于“线”型TEC观测数据,根据接收机与卫星间的几何位置关系,TEC和同化估计的状态参量之间的关系为:
其中:STEC表示电离层总电子含量,Ne表示电离层电子密度值,积分上下限分别为卫星和接收机位置,因此几何转换矩阵计算方法如下:
其中ΔRin表示第i个TEC观测值在第n个网格内的射线截距,i为TEC观测值的序号,N为电子密度网格总数,K为展开的总级数;
遍历同化窗口内所有电离层电子密度和TEC数据,根据式(1)和式(3)同化观测方程可构建为:
y=Hx (4)
其中:y为电离层电子密度和TEC数据组成的矢量,矩阵H为观测数据与同化状态参量“电子密度”对应的几何转换矩阵,x为待估计的各网格点的电子密度;
将矩阵H按照行优先稀疏矩阵CSR格式存储,即只存储H矩阵中非零元素所在的起始行的序号、非零元素所在的列编号及非零元素本身;
步骤4,构建观测误差协方差矩阵,根据不同观测数据间观测误差的不同,计算数据同化的观测误差协方差矩阵R,将观测误差协方差矩阵R用对角矩阵表示:
其中i,j表示网格点的位置,d为观测的TEC或电子密度值,Rij为观测点间的误差协方差值,α是比例系数;
将矩阵R按照CSR格式存储,即只存储R矩阵中非零元素所在的起始行的序号、非零元素所在的列编号及非零元素本身;
步骤5,构建背景场误差协方差矩阵,确定电离层相关距离;
电离层垂直方向相关距离的计算方法如下:
电离层水平相关距离计算方法如下:
在存储数据同化背景场误差协方差矩阵P时,设定的限带方法是任意两点间的距离超过1200km,其背景协方差为零值,根据(6)和(7)式,数据同化背景场误差协方差矩阵P具体表示为:
其中:分别代表背景模型在i点和j点的背景值,e为自然指数,zij代表第i点和第j点在高度上的距离,rij代表第i点和第j点的直线距离,Lz分别表示电离层在高度方向的相关距离,LH分别表示电离层在水平方向的相关距离,β表示模式误差与模式值之间的比例系数,gij代表第i点和第j点在水平方向上的大圆距离,计算方法如下:
将矩阵P按照CSR格式存储,即只存储P矩阵中非零元素所在的起始行的序号、非零元素所在的列编号及非零元素本身;
步骤6,读取步骤2设定的配置文件参量,读取太阳辐射通量和地磁指数,根据设定的数据同化网格分辨率,运行电离层背景模型,计算背景场电离层电子密度分布xb;
步骤7,采用限带卡尔曼滤波算法进行地基和天基TEC或电子密度观测数据的同化,模型使用的卡尔曼滤波方程如下:
xa=xb+PHT(R+HPHT)-1(y-Hxb) (14)
其中xa表示同化后电子密度分析场;
对矩阵作以下变换:
(R+HPHT)-1(y-Hxb)=T (15)
(R+HPHT)T=(y-Hxb) (16)
采用广义最小残差法求解方程,使用不完全下三角矩阵—上三角矩阵LU分解算法进行预处理,具体方法如下:
C-1[(R+HPHT)T-(y-Hxb)]=0 (17)
其中:C是预条件矩阵,同化给出电离层TEC和电子密度现报结果后,将相关现报结果存储到指定的输出路径下;
步骤8,利用高斯—马尔科夫预报方法对同化的电子密度进行预报,具体公式为:
其中,t表示预报时间,K为增益矩阵,L代表转换矩阵,其表现形式为对角矩阵,具体计算方法为:
其中:ΔT为提前预报的时间间隔,τ表示电离层的时间相关尺度,取5h,磁暴期间取值缩短为2h,同化给出电离层TEC和电子密度预报结果后,将相关现报结果存储到指定的输出路径下。
进一步的,步骤(2)中的运行模式为区域或全球。
本发明的有益效果是:
本发明基于数据最优化估计理论,提供了一种全球电离层数据同化和预报方法,该方法采用限带卡尔曼滤波(Band-Limited Kalman Filter)和高斯—马尔科夫过程(Gauss-Markov Process),结合稀疏矩阵存储和快速处理算法,有效降低了全球电离层数据同化大规模矩阵运算对计算机内存的需求,同时大大减少数据同化过程所需的运行时间,可实现全球地基和天基多源探测数据的实时同化和短期预报。对于实现业务化的全球电离层环境参量现报和预报,提升无线电信息系统电离层环境信息保障能力具有重要意义。
本发明方法能够灵活配置同化区域范围和数据产品的空间分辨率,实现全球中等分辨率,区域高分辨率的电离层现报和预报。
本发明方法能够兼容目前主流的电离层探测数据,包括地基GNSS接收机、LEO卫星掩星、垂测仪、卫星信标接收机、小型光度计等,从而保证同化结果的精度和可靠性。
本发明方法无需超级计算机,仅利用个人工作站笔记本(Intel i7处理器,64G内存,2T硬盘),即可实现全球电离层TEC和电子密度参量的现报和预报,一次同化过程仅需3-5分钟,从而满足电离层数据同化和预报的实时性要求,且方法具备非常高的运行稳定性。
附图说明
图1是本发明方法的流程示意图;
图2是电离层数据同化给出的电离层TEC对比结果图;
图3是电离层数据同化给出的电离层NmF2对比结果图。
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,本实施例公开了一种全球电离层数据同化和预报方法,利用全球分布的地基GNSS接收机、LEO卫星掩星、垂测仪、卫星信标接收机、小型光度计等探测数据,基于限带卡尔曼滤波数据同化和预报方法,实现区域或全球电子密度、电子总含量的现报和预报,为构建业务化的电离层数据同化和预报系统奠定基础。如图1所示,具体包括如下步骤:
步骤1,获取全球分布的地基GNSS接收机、LEO卫星掩星、垂测仪、卫星信标接收机和小型光度计等探测数据,分别提取电离层总电子含量TEC和电子密度的观测数据,为满足数据同化观测算子构建的要求,分别按照设定的时间窗口将数据存储在一个指定的文件内,文件应包括以下要素:数据类型编号、观测时刻、测站经纬高坐标、卫星测站经纬高坐标、TEC或电子密度测量值;
步骤2,获取电离层数据同化和预报需要的日地空间环境参量数据,包括太阳辐射通量和地磁指数等,将数据同化所对应的太阳辐射通量、地磁指数及模型运行所需要的配置参量,包括运行模式设定(区域或全球)、输入的观测数据存储路径、输出数据的存储和网格分辨率设定等,一并存储到指定的配置文件内,便于电离层数据同化和预报模型读取;
步骤3,构建电离层数据同化观测算子,将电离层TEC和电子密度数据按照“线”型和“点”型观测数据进行分类;
对于“点”型电子密度观测数据,由于观测参量与同化待估计的状态参量相同,因此只需要利用简单的插值即可建立几何转换矩阵,插值方法如下:
其中:Ne表示电子密度,K表示级数展开的级数,r表示地理位置,hk(r)为基函数,ak为插值系数,基函数计算方法如下:
对于“线”型TEC观测数据,根据接收机与卫星间的几何位置关系,TEC和同化估计的状态参量(电子密度)之间的关系为:
其中:STEC表示电离层总电子含量,Ne表示电离层电子密度值,积分上下限分别为卫星和接收机位置,因此几何转换矩阵计算方法如下:
其中ΔRin表示第i个TEC观测值在第n个网格内的射线截距,i为TEC观测值的序号,N为电子密度网格总数,K为展开的总级数;
遍历同化窗口内所有电离层电子密度和TEC数据,根据式(1)和式(3)同化观测方程可构建为:
y=Hx (4)
其中:y为电离层电子密度和TEC数据组成的矢量,矩阵H为观测数据与同化状态参量“电子密度”对应的几何转换矩阵,x为待估计的各网格点的电子密度;
将矩阵H按照行优先稀疏矩阵CSR格式存储,即只存储H矩阵中非零元素所在的起始行的序号、非零元素所在的列编号及非零元素本身,以此减少矩阵存储所需要的内存消耗;
步骤4,构建观测误差协方差矩阵,根据不同观测数据间观测误差的不同,计算数据同化的观测误差协方差矩阵R,将观测数据间视为相互独立,因此观测误差协方差矩阵R可以用对角矩阵表示:
其中i,j表示网格点的位置,d为观测的TEC或电子密度值,Rij为观测点间的误差协方差值,α是比例系数;
同样地,将矩阵R按照CSR格式存储,即只存储R矩阵中非零元素所在的起始行的序号、非零元素所在的列编号及非零元素本身;
步骤5,构建背景场误差协方差矩阵,确定电离层水平和垂直方向相关距离,同时根据限带卡尔曼滤波的需要,截断超过相关距离的协方差,计算数据同化的背景场误差协方差矩阵:
电离层垂直方向的相关距离与两个点所在的高度有关,计算方法如下:
电离层水平相关距离可以表示为经度、纬度相关距离及两者间方位角间的函数,计算方法如下:
在存储数据同化背景场误差协方差矩阵P时,设定的限带方法是任意两点间的距离超过1200km,其背景协方差为零值,根据(6)和(7)式,数据同化背景场误差协方差矩阵P具体表示为:
其中:分别代表背景模型在i点和j点的背景值,e为自然指数,zij代表第i点和第j点在高度上的距离,rij代表第i点和第j点的直线距离,Lz分别表示电离层在高度方向的相关距离,LH分别表示电离层在水平方向的相关距离,β表示模式误差与模式值之间的比例系数,gij代表第i点和第j点在水平方向上的大圆距离,计算方法如下:
同样地,将矩阵P按照CSR格式存储,即只存储P矩阵中非零元素所在的起始行的序号、非零元素所在的列编号及非零元素本身;
步骤6,读取步骤2设定的配置文件参量,读取太阳辐射通量和地磁指数,根据设定的数据同化网格分辨率,运行电离层背景模型,计算背景场电离层电子密度分布xb;
步骤7,采用限带卡尔曼滤波算法进行地基和天基TEC或电子密度观测数据的同化(利用卡尔曼滤波算法进行全球电离层数据同化现报,给出电离层TEC和电子密度现报结果),模型使用的卡尔曼滤波方程如下:
xa=xb+PHT(R+HPHT)-1(y-Hxb) (14)
其中xb和xa分别表示同化前的电离层电子密度背景场和同化后电子密度分析场,P和R分别代表背景场误差协方差和观测数据的误差协方差,H和y分别是观测算子几何转换矩阵和观测向量;
由于数据同化矩阵的维数很大,卡尔曼滤波增益矩阵是具有大型未知变量的稀疏线性方程,为了提升计算稳定性,对矩阵作以下变换:
(R+HPHT)-1(y-Hxb)=T (15)
(R+HPHT)T=(y-Hxb) (16)
采用广义最小残差法求解方程,为了在迭代过程中保证解收敛,使用不完全下三角矩阵—上三角矩阵LU分解算法进行预处理,具体方法如下:
C-1[(R+HPHT)T-(y-Hxb)]=0 (17)
其中:C是预条件矩阵(Pre-Conditioner Matrix),同化给出电离层TEC和电子密度现报结果后,将相关现报结果存储到指定的输出路径下;
步骤8,利用高斯—马尔科夫预报方法对同化的电子密度进行预报(进行全球电离层预报),具体公式为:
其中,t表示预报时间,K为增益矩阵,L代表转换矩阵(transition matrix),其表现形式为对角矩阵,具体计算方法为:
其中:ΔT为提前预报的时间间隔,τ表示电离层的时间相关尺度,一般情况下取5h,磁暴期间取值可缩短为2h,同化给出电离层TEC和电子密度预报结果后,将相关现报结果存储到指定的输出路径下。
图2是电离层数据同化给出的电离层TEC对比结果图;图3是电离层数据同化给出的电离层NmF2对比结果图。
综上所述,本发明基于数据最优化估计理论,提供了一种全球电离层数据同化和预报方法,该方法采用限带卡尔曼滤波(Band-Limited Kalman Filter)和高斯—马尔科夫过程(Gauss-Markov Process),结合稀疏矩阵存储和矩阵快速处理算法,有效降低了全球电离层数据同化大规模矩阵运算对计算机内存的需求,同时大大减少数据同化过程所需的运行时间,可实现全球地基和天基多源探测数据的实时同化和短期预报。本发明可为构建业务化的电离层数据同化和预报系统提供重要的技术支撑。
Claims (2)
1.一种全球电离层数据同化和预报方法,其特征在于,包括如下步骤:
步骤1,获取全球分布的地基GNSS接收机、LEO卫星掩星、垂测仪、卫星信标接收机和小型光度计探测数据,分别提取电离层总电子含量TEC和电子密度的观测数据,按照设定的时间窗口将数据存储在一个指定的文件内,该文件包括:数据类型编号、观测时刻、测站经纬高坐标、卫星测站经纬高坐标、TEC或电子密度测量值;
步骤2,获取电离层数据同化和预报需要的日地空间环境参量数据,包括太阳辐射通量和地磁指数,将数据同化所对应的太阳辐射通量、地磁指数及模型运行所需要的配置参量,包括运行模式设定、输入的观测数据存储路径、输出数据的存储和网格分辨率设定,一并存储到指定的配置文件内;
步骤3,构建电离层数据同化观测算子,将电离层TEC和电子密度数据按照“线”型和“点”型观测数据进行分类;
对于“点”型电子密度观测数据,插值方法如下:
其中:Ne表示电子密度,K表示级数展开的级数,r表示地理位置,hk(r)为基函数,ak为插值系数,基函数计算方法如下:
对于“线”型TEC观测数据,根据接收机与卫星间的几何位置关系,TEC和同化估计的状态参量之间的关系为:
其中:STEC表示电离层总电子含量,Ne表示电离层电子密度值,积分上下限分别为卫星和接收机位置,因此几何转换矩阵计算方法如下:
其中ΔRin表示第i个TEC观测值在第n个网格内的射线截距,i为TEC观测值的序号,N为电子密度网格总数,K为展开的总级数;
遍历同化窗口内所有电离层电子密度和TEC数据,根据式(1)和式(3)同化观测方程可构建为:
y=Hx (4)
其中:y为电离层电子密度和TEC数据组成的矢量,矩阵H为观测数据与同化状态参量“电子密度”对应的几何转换矩阵,x为待估计的各网格点的电子密度;
将矩阵H按照行优先稀疏矩阵CSR格式存储,即只存储H矩阵中非零元素所在的起始行的序号、非零元素所在的列编号及非零元素本身;
步骤4,构建观测误差协方差矩阵,根据不同观测数据间观测误差的不同,计算数据同化的观测误差协方差矩阵R,将观测误差协方差矩阵R用对角矩阵表示:
其中i,j表示网格点的位置,d为观测的TEC或电子密度值,Rij为观测点间的误差协方差值,α是比例系数;
将矩阵R按照CSR格式存储,即只存储R矩阵中非零元素所在的起始行的序号、非零元素所在的列编号及非零元素本身;
步骤5,构建背景场误差协方差矩阵,确定电离层相关距离;
电离层垂直方向相关距离的计算方法如下:
电离层水平相关距离计算方法如下:
在存储数据同化背景场误差协方差矩阵P时,设定的限带方法是任意两点间的距离超过1200km,其背景协方差为零值,根据(6)和(7)式,数据同化背景场误差协方差矩阵P具体表示为:
其中:分别代表背景模型在i点和j点的背景值,e为自然指数,zij代表第i点和第j点在高度上的距离,rij代表第i点和第j点的直线距离,Lz分别表示电离层在高度方向的相关距离,LH分别表示电离层在水平方向的相关距离,β表示模式误差与模式值之间的比例系数,gij代表第i点和第j点在水平方向上的大圆距离,计算方法如下:
将矩阵P按照CSR格式存储,即只存储P矩阵中非零元素所在的起始行的序号、非零元素所在的列编号及非零元素本身;
步骤6,读取步骤2设定的配置文件参量,读取太阳辐射通量和地磁指数,根据设定的数据同化网格分辨率,运行电离层背景模型,计算背景场电离层电子密度分布xb;
步骤7,采用限带卡尔曼滤波算法进行地基和天基TEC或电子密度观测数据的同化,模型使用的卡尔曼滤波方程如下:
xa=xb+PHT(R+HPHT)-1(y-Hxb) (14)
其中xa表示同化后电子密度分析场;
对矩阵作以下变换:
(R+HPHT)-1(y-Hxb)=T (15)
(R+HPHT)T=(y-Hxb) (16)
采用广义最小残差法求解方程,使用不完全下三角矩阵—上三角矩阵LU分解算法进行预处理,具体方法如下:
C-1[(R+HPHT)T-(y-Hxb)]=0 (17)
其中:C是预条件矩阵,同化给出电离层TEC和电子密度现报结果后,将相关现报结果存储到指定的输出路径下;
步骤8,利用高斯—马尔科夫预报方法对同化的电子密度进行预报,具体公式为:
其中,t表示预报时间,K为增益矩阵,L代表转换矩阵,其表现形式为对角矩阵,具体计算方法为:
其中:ΔT为提前预报的时间间隔,τ表示电离层的时间相关尺度,取5h,磁暴期间取值缩短为2h,同化给出电离层TEC和电子密度预报结果后,将相关现报结果存储到指定的输出路径下。
2.根据权利要求1所述的全球电离层数据同化和预报方法,其特征在于:步骤(2)中的运行模式为区域或全球。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011304313.8A CN112649899B (zh) | 2020-11-19 | 2020-11-19 | 一种全球电离层数据同化和预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011304313.8A CN112649899B (zh) | 2020-11-19 | 2020-11-19 | 一种全球电离层数据同化和预报方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112649899A true CN112649899A (zh) | 2021-04-13 |
CN112649899B CN112649899B (zh) | 2023-01-24 |
Family
ID=75349483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011304313.8A Active CN112649899B (zh) | 2020-11-19 | 2020-11-19 | 一种全球电离层数据同化和预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112649899B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114065128A (zh) * | 2021-11-15 | 2022-02-18 | 中国人民解放军火箭军工程大学 | 一种igs电离层vtec产品转换为地方时系统的方法 |
CN114417580A (zh) * | 2021-12-31 | 2022-04-29 | 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) | 一种观测系统对全球电离层数据同化性能的影响评估方法 |
CN115078848A (zh) * | 2022-07-12 | 2022-09-20 | 武汉大学 | 基于闪电信号的电离层无源被动探测方法 |
CN116609810A (zh) * | 2023-05-19 | 2023-08-18 | 复旦大学 | 基于导航地基系统的电离层四维电子密度动态预测方法 |
CN117009427A (zh) * | 2023-09-28 | 2023-11-07 | 北京弘象科技有限公司 | 风云卫星观测的同化方法、装置、电子设备及存储介质 |
CN118013869A (zh) * | 2024-04-10 | 2024-05-10 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种四维电离层模型构建方法及其应用 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140292573A1 (en) * | 2012-12-18 | 2014-10-02 | Trimble Navigation Limited | Methods for generating accuracy information on an ionosphere model for satellite navigation applications |
US20190271782A1 (en) * | 2017-07-18 | 2019-09-05 | Wuhan University | Ionospheric delay correction method for leo satellite augmented navigation systems |
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 |
CN110909449A (zh) * | 2019-10-19 | 2020-03-24 | 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) | 一种多源数据电离层区域现报方法 |
CN110909447A (zh) * | 2019-10-19 | 2020-03-24 | 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) | 一种高精度电离层区域短期预报方法 |
CN111123300A (zh) * | 2020-01-13 | 2020-05-08 | 武汉大学 | 近实时大范围高精度电离层电子密度三维监测方法及装置 |
CN111273335A (zh) * | 2019-12-20 | 2020-06-12 | 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) | 一种基于垂测数据约束的电离层层析成像方法 |
-
2020
- 2020-11-19 CN CN202011304313.8A patent/CN112649899B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140292573A1 (en) * | 2012-12-18 | 2014-10-02 | Trimble Navigation Limited | Methods for generating accuracy information on an ionosphere model for satellite navigation applications |
US20190271782A1 (en) * | 2017-07-18 | 2019-09-05 | Wuhan University | Ionospheric delay correction method for leo satellite augmented navigation systems |
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 |
CN110909449A (zh) * | 2019-10-19 | 2020-03-24 | 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) | 一种多源数据电离层区域现报方法 |
CN110909447A (zh) * | 2019-10-19 | 2020-03-24 | 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) | 一种高精度电离层区域短期预报方法 |
CN111273335A (zh) * | 2019-12-20 | 2020-06-12 | 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) | 一种基于垂测数据约束的电离层层析成像方法 |
CN111123300A (zh) * | 2020-01-13 | 2020-05-08 | 武汉大学 | 近实时大范围高精度电离层电子密度三维监测方法及装置 |
Non-Patent Citations (6)
Title |
---|
G. S. BUST,T. W. GARNER,AND T.L.GAUSSIRAN II: "Ionospheric Data Assimilation Three-Dimensional(IDA3D): A global,multisensor, electron density specification algorithm", 《JOURNAL OF GEOPHYSICAL RESEARCH》, vol. 109, 31 December 2004 (2004-12-31), pages 11312 * |
乐新安,万卫星,刘立波等: "基于Gauss-Markov卡尔曼滤波的电离层数值同化现报预报系统的构建", 《地球物理学报》, vol. 53, no. 4, 30 April 2010 (2010-04-30), pages 787 - 795 * |
欧明,甄卫民,刘裔文等: "一种基于LEO卫星信标的电离层层析成像新算法", 《地球物理学报》, vol. 58, no. 10, 31 October 2015 (2015-10-31), pages 147 - 152 * |
欧明,甄卫民,徐继生等: "一种电离层多源数据同化方法研究", 《电波科学学报》, vol. 30, no. 1, 28 February 2015 (2015-02-28), pages 3469 - 3479 * |
阿尔察等: "中国电离层TEC同化现报系统", 《地球物理学报》 * |
阿尔察等: "中国电离层TEC同化现报系统", 《地球物理学报》, vol. 61, no. 6, 30 June 2018 (2018-06-30) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114065128A (zh) * | 2021-11-15 | 2022-02-18 | 中国人民解放军火箭军工程大学 | 一种igs电离层vtec产品转换为地方时系统的方法 |
CN114065128B (zh) * | 2021-11-15 | 2024-06-07 | 中国人民解放军火箭军工程大学 | 一种igs电离层vtec产品转换为地方时系统的方法 |
CN114417580A (zh) * | 2021-12-31 | 2022-04-29 | 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) | 一种观测系统对全球电离层数据同化性能的影响评估方法 |
CN115078848A (zh) * | 2022-07-12 | 2022-09-20 | 武汉大学 | 基于闪电信号的电离层无源被动探测方法 |
CN115078848B (zh) * | 2022-07-12 | 2024-04-09 | 武汉大学 | 基于闪电信号的电离层无源被动探测方法 |
CN116609810A (zh) * | 2023-05-19 | 2023-08-18 | 复旦大学 | 基于导航地基系统的电离层四维电子密度动态预测方法 |
CN116609810B (zh) * | 2023-05-19 | 2024-06-07 | 复旦大学 | 基于导航地基系统的电离层四维电子密度动态预测方法 |
CN117009427A (zh) * | 2023-09-28 | 2023-11-07 | 北京弘象科技有限公司 | 风云卫星观测的同化方法、装置、电子设备及存储介质 |
CN117009427B (zh) * | 2023-09-28 | 2024-01-12 | 北京弘象科技有限公司 | 风云卫星观测的同化方法、装置、电子设备及存储介质 |
CN118013869A (zh) * | 2024-04-10 | 2024-05-10 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种四维电离层模型构建方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN112649899B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112649899B (zh) | 一种全球电离层数据同化和预报方法 | |
Hajj et al. | COSMIC GPS ionospheric sensing and space weather | |
Brown | A novel near-land radiometer wet path-delay retrieval algorithm: Application to the Jason-2/OSTM advanced microwave radiometer | |
Schunk et al. | Space weather forecasting with a multimodel ensemble prediction system (MEPS) | |
CN105301601A (zh) | 一种适用于全球区域的gnss电离层延迟三维建模方法 | |
Sun et al. | Resilient pseudorange error prediction and correction for GNSS positioning in urban areas | |
CN105069295B (zh) | 基于卡尔曼滤波的卫星以及地面降水测量值同化方法 | |
GENG et al. | Archive By Volume | |
CN112462396A (zh) | 一种高采样率导航卫星钟差的实时并行确定方法 | |
Ssessanga et al. | On imaging South African regional ionosphere using 4D‐var technique | |
Tuna et al. | Regional model-based computerized ionospheric tomography using GPS measurements: IONOLAB-CIT | |
Pagoti et al. | Development and performance evaluation of Correntropy Kalman Filter for improved accuracy of GPS position estimation | |
Raquet et al. | Use of a Covariance Analysis Technique for Predicting Performance of Regional‐Area Differential Code and Carrier‐Phase Networks | |
CN113625356A (zh) | 一种适用于单站电离层tec实时异常监测方法 | |
US11656359B2 (en) | Computerized ionospheric tomography method based on vertical boundary truncation rays | |
Narayanan et al. | Real-time Capable Compensation of Tropospheric Ducting for Terrestrial Navigation Integrity | |
Peng et al. | GNSS-based hardware-in-the-loop simulations of spacecraft formation flying with the global ionospheric model TIEGCM | |
CN114089443B (zh) | 一种基于tec积分量及季节变化系数的uhf频段电离层闪烁事件预报方法 | |
Zhang et al. | A new four-layer inverse scale height grid model of china for zenith tropospheric delay correction | |
Khattatov et al. | Ionospheric nowcasting via assimilation of GPS measurements of ionospheric electron content in a global physics‐based time‐dependent model | |
US20160282472A1 (en) | Method and Device for Determining at least one Sample-Point-Specific Vertical Total Electronic Content | |
CN115857058A (zh) | 一种电离层数据分析模型建设方法及其终端 | |
CN115292968A (zh) | 一种基于球冠谐模型的多源大气可降水量数据融合方法 | |
CN112444825A (zh) | 一种基于北斗geo的电离层tec同化建模方法 | |
Barrile et al. | TEC measurements through GPS and artificial intelligence |
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 |