Материалы 18-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 16–20 ноября 2020 г.

(http://conf.rse.geosmis.ru)

XVIII.I.439

Принципы построения прогностических ионосферных моделей

Телегин В.А. (1)
(1) Институт земного магнетизма, ионосферы и распространения радиоволн им. Н. В. Пушкова РАН (ИЗМИРАН), Москва, г. Троицк, Россия
Существующие многочисленные ионосферные модели создавались многие годы с целью их использования для прогноза критических частот в интересах радиосвязи. Исторически модели создавались как большие базы данных, охватывающие всевозможные результаты измерений ионосферных и солнечных параметров по всему земному шару. В основном, они основывались на медианных значениях упомянутых параметров, которые тщательным образом собирались долгие годы в различных географических районах земного шара и при различной солнечной активности. Сегодня хорошо известна качественная и отчасти функциональная связь ионосферных параметров с одиннадцатилетними циклами солнечной активности [1-4]. Для более точной оценки этой с связи используются разнообразные солнечные индексы. Авторами были проведены исследования ионосферных и солнечных индексов, осуществляющих связь ионосферных параметров с солнечной активностью, которые показали, что разнообразие солнечных индексов определяется, к сожалению, их полной несостоятельностью, так как ионосферные характеристики уже сами несут в себе информацию о солнечных параметрах и могут прогнозироваться на более длительный срок, чем солнечные пятна. Опыт показал, что достоверный прогноз возможен не всегда и на непродолжительный период времени, т.е. существующие технологии построения диагностических катр (ITU…) или систем IRI, SIMP и др. [5,6]. не удовлетворяют потребности пользователей ни точностью, ни быстродействием. Надо признать эти модели диагностическими, а прогностические качества их поддерживаются регрессионными зависимостями, которые работают на малом временном интервале, но не могут считаться прогностическими, несмотря на современную техническую оснащенность, так как согласно Золеси [6], они не имеют алгоритма прогнозирования и не могут ответить на вопрос каков же механизм передачи информации в будущее. Безусловно, этот вопрос является общим для всех прогностических задач, а не только для ионосферных моделей. Авторами разработана методика прогнозирования длинных рядов данных, основанная на алгоритме прогнозирования, построенном методами спектрального анализа и демодуляции принимаемого сигнала. [7-11]. Составлено программное обеспечение, сформулирован механизм передачи информации в будущее. Использование алгоритма прогнозирования для оценки критической частоты слоя F2 ионосферы по данным вертикального зондирования показало, что прогноз foF2 может быть успешно осуществлен на периоды от 30 мин, суток, месяца и до 5-6 лет, в то время как числа Вольфа можно прогнозировать на период не более одного года для составляющей одиннадцатилетнего цикла. Разработанное математическое обеспечение может быть использовано для определения координатной информации в радиолокационных системах.

Ключевые слова: прогнозирование, эмпирические ионосферные модели, индексы солнечной активности, ,медиана
Литература:
  1. Turner J.F., Wilkinson P.J. A weekly ionospheric index.// STP Proc. Workshop at Boulder, Co., USA, April 23-27, 1979. 1979. V.l. P.279-287.
  2. . Gulyaeva T.L.et al. TEC proxy index of solar activity for the International Reference Ionosphere IRI and its extension to Plasmasphere IRI-PLAS model // Int. J. Sci. Eng. Applied Sci. 2017, V.3, №5, P.144-150,
  3. Деминов М.Г., Деминова Г.Ф. Индекс солнечной активности для долгосрочного прогноза критической частоты F2- слоя // Геомагнетизм и аэрономия 2019, Т.59, №2. С.191-198.
  4. Mikhailov A.V., Mikhailov V.V. Indices for monthly median foF2 and M(3000)F2 mjdeling and long-term prediction: Ionospheric index MF2//Int.J.Geomagn. Aeron. V.1. № 2. Р.141-151. 1999.
  5. Михайлов В.В., Лещинская Т.Ю. Модель SIMP-1: картирование месячных медиан foF2 по северному полушарию// Геомагнетизм и аэрономия. 2016. Т.56, №6. С. 772-780.
  6. Zolesi,B.,Cander,L.R. Ionospheric prediction and forecasting //Springer-Verlag Berlin Heidelberg 2014. P. 271. Doi 10.1007/978-3-642-38430-1_1.
  7. Rozhdestvenskii D. B, Rozhdestvenskaya V.I., Telegin V.A. Меthods of digital filtration for processing ionospheric data «“Physics of Auroral Phenomena”, Proc. XXXVIII Annual Seminar, Apatity, pp. 149-152, 2015.
  8. Rozhdestvenskii D. B. Approximation of functions with discontinuities. The Gibbs Phenomenon. // Industrial ACS and Controllers. 2011. No. 4. Р .32 – 36.
  9. Рождественский Д.Б., Ефимова Н.Ю. Оперативное прогнозирование оптимальных рабочих частот для дальней радиосвязи. // Электросвязь, 2017, №5. С. 63-69.
  10. Рождественский Д.Б. Методы экстраполяции на основе алгоритма воостановления непрерывного процесса по конечному числу равноотстоящих отсчетов. // Автоматика и Телемеханика. 2008. №1. С. 183-189.
  11. Рождественский Д.Б., Телегин В.А. Метод прогнозирования дискретных ионосферных наблюдений “Physics of auroral phenomena”. Proc. XXXVIII Annual Seminar, Apatity, pp. 153-156, 2015


Ссылка для цитирования: Телегин В.А. Принципы построения прогностических ионосферных моделей // Материалы 18-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2020. C. 409. DOI 10.21046/18DZZconf-2020a

Дистанционное зондирование ионосферы

409