�ۺ϶��ַ��������й�����TECʱ�ձ仯����

????????????????????С?????????????1999??2013??IGS??????????????????й?????TEC???仯??????仯????仯???????????????о???????????TEC???????????????????С???????????γ??????????γ???????????????????????У?????????????LT12:00??16:00???????LT04:00??06:00?????з???????γ?????????????????????TEC?????????????е?????????????????＾??TEC?????????183 d???????????????й??????2001????????“??????”????     

����GPS���ϼ���ɽվ�����TEC�����о�

????2000??2006?????????GPS?????????о??????????TEC????????????????????????????仯?????????????????GPS??TEC????????????????????????仯???????????????????TEC?仯?????????????????????????????????????????????????     

����GRACE��������ο���ܵļ����Ա仯

????GRACE?????????????????н???????????????139????????????????????????????仯??ο???????????ж?????????????????????????80%????????????????????????????????????λ???????С???????1 mm???????????????????????????????????????仯???????λ????????????С1.4??1.6 mm??     

���ػ�׼վ�����������ڱ仯����

???ü???GNSS????10??????????????????GPS????????????????????????仯???μ????????仯???????????????????????????仯????????????????????????????????С?????????м?????????п??????Ч?????????????????????????????????????????????     

����IGS����������ֵ�����ıȽϷ���

?????GPS???????????????????????????????????????????????о???????????????????????????????????????????????????????????廹?????????????????????????????????????????????????????????????????λ????????????????????????????????????о???????????????????????????????????????????????????????λ???     

������ֱ�ݶȷ����Ա仯�о�

???????????????????????????????????????????????????80 cm??130 cm??????????????????????仯??????0.02×10^-8 ms^-2/cm??????????仯????仯??????????????????????FG5??A10???????????????????????????????????????????????????仯????????     

�Ĵ�«ɽ7.0������ǰ������TEC�Ŷ�����

???2013-04-20?????7.0??????????CODE???????IONEX TEC?????IRI ????TEC???????????????????????????￡????????λ??????IONEX TEC?????IONEX TEC??IRI TEC??????????д?????????????????TEC??????????????????????TEC?????????????????????????????????????????????????     

����GRACE����ʱ����������ⳤ�����ƺ�����ˮ�����仯

????GRACE??????????????????????????????????????仯??????????????о??伾????????仯??????????????????仯?????????ж??????????????????????????????仯???????????????δ?????????仯???????о???????????GRACE????????????????????????????仯??????????????cm????Ч???仯??     

����GOCE������ݷ����ϼ����������仯

????????????????y?????GOCE???????????10??60??ε?????????????????GOCE??гλ????в?????????????????????????????????з????????30°??Χ????????仯??????????GOCE??????????????B????(-75°, 250°)???????仯??-9.15 cm/a????B???????????????????     

��ǰ�����TEC�쳣�Ŷ�ͳ�Ʒ���

????IGS????????TEC???????????????????????2007?????????Ms7.0??????????????????TEC??????о?????????????94%?????????????????????????????TEC???????????????и????????????????????????????????????????????????????????     

基于IGS的白天和夜间电离层TEC变化特性分析

利用1999~2009年的IGS电离层电子浓度总含量(TEC)数据,分析全球TEC白天值Idc和夜间值Inc的半年变化、季节变化特性,并研究二者跟太阳、地磁活动的关系。结果表明,Idc最大值出现在春秋分季节是一个非常普遍的现象。除了北半球近极地地区和南半球的南美洲地区外,Idc的半年变化特性都很明显;Inc只在低纬度地区具有半年变化特性,并且Idc和Inc半年变化特性随太阳活动变化而变化,在太阳活动高年,全球85%以上地区Idc最大值出现在春秋分季节;Idc和Inc的季节变化特性随经纬度变化,并且在太阳活动高年季节变化明显;在一个太阳活动周期上Idc、Inc与太阳活动P指数日均值的相关性较强,相关系数达到0.9,但与地磁活动Dst、Kp、Ap指数日均值的相关性较弱,相关系数小于0.4。本文进一步展示了太阳天顶角控制的电离层光化学产生率对电离层TEC整体变化特征起主要作用。     

基于北斗GEO卫星的磁暴期间电离层TEC响应分析

基于亚太地区北斗GEO卫星数据对2017-05发生在中低纬度地区的磁暴现象进行研究,并使用北斗GEO卫星获取的TEC实测数据对全球电离层图的精度进行评估。进一步对磁暴引起的全球电离层TEC变化进行分析发现,电离层TEC对磁暴的响应出现在磁暴主相开始1~4 h之后,最大扰动值达到20 TECu以上。     

基于SSA-LSTM的短期电离层TEC组合预报模型

针对电离层总电子含量(TEC)时间序列具有高噪声、非线性和非平稳的特性,在奇异谱分析基础上,融合长短期记忆神经网络模型构建短期电离层组合预报改进模型,并对磁暴期、磁平静期的电离层TEC预报精度进行分析。结果表明,在磁暴期和磁平静期,该模型预报3 d的TEC相对精度分别为91.17%和95.46%,比单一LSTM模型分别提高4.92百分点和3.17百分点。     

基于GPS TEC的尼泊尔MW7.8地震同震电离层扰动研究

基于GPS数据对2015年尼泊尔MW7.8地震引起的同震电离层扰动进行统计与FFT频谱分析,探究地震电离层TEC扰动传播的时空特性。结果表明,震后5 min起出现明显的TEC扰动异常现象,持续时间超过6 min,呈现增大-减小-增大的变化趋势;扰动由震中向东、东北等方向传播,速率分别为2 336.36 m/s和455.52~937.64 m/s;扰动的中心频率为3~7 mHz,符合瑞利波与声波引发的扰动频段。     

基于夜间灯光数据估算安徽省县级尺度城镇化水平

城镇化是地区经济发展和社会进步的重要标志,研究城镇化水平对城镇科学发展和政府高效决策具有重要意义。夜间灯光数据包含了人类活动和经济社会发展等信息,弥补了指标法的不确定性和滞后性等不足,可以更加直观地反映城镇化水平,为城镇化研究提供了新的思路。现有的研究,已经有用夜间灯光数据分析宏观尺度的城镇化水平,但由于DMSP-OLS数据和NPP-VIIRS数据的时间范围均较短,且2种数据的时间尺度不连续,且空间分辨率和辐射分辨率不一致,因此目前主要集中于使用一种夜间灯光数据研究城镇化水平,且研究的时间跨度较短。此外,虽然已有研究表明,大尺度的社会经济活动与夜间光照情况有较强的相关关系,但在较小尺度下,这种相关性受地区经济发展以及灯光数据分辨率的影响较大,对估算精度有更高的要求,因此需要使用实际数据证明使用夜间灯光数据估算县级城镇化水平的合理性。本文使用DMSP_OLS和NPP_VIIRS夜间灯光数据,估算了2006—2015年安徽省县级尺度城镇化水平,为夜间灯光数据在长时间序列的城镇化研究中提供理论支撑。首先分别计算DMSP-OLS和NPP-VIIRS平均夜间灯光指数,以NPP-VIIRS灯光指数为自变量,以DMSP-OLS灯光指数为因变量,对2012年和2013年的2种灯光指数年数据进行曲线拟合,建立2种灯光数据的对应关系,得到2006—2015年安徽省各区县的DMSP-OLS平均夜间灯光指数;然后从人口、经济、社会生活和农业机械化4个方面选取城镇化指标,使用层次分析法计算基于统计数据的城镇化水平;最后将灯光指数与基于统计数据的城镇化水平进行相关性分析和线性回归分析,讨论了安徽省各区县灯光指数和基于统计数据的城镇化水平的时空分布的异同点,分析了同时使用两种灯光指数估算长时间序列城镇化水平的合理性。研究结果显示,灯光指数和基于统计数据的城镇化水平在县级尺度上具有高度相关性,相关系数为0.91（P<0.05）,线性回归的拟合优度R²=0.82。灯光指数和基于统计数据的城镇化水平的时空分布基本一致,空间上,安徽省城镇化水平整体分布不均衡,呈现出东高西低的规律;时间上,2006—2015年城镇化水平呈现逐年增长的趋势,合肥市辖区、马鞍山市辖区等发达城区的城镇化水平增长速度较快,而霍丘县、寿县等经济欠发达地区增长较缓慢。     

基于SSA-Elman神经网络的电离层TEC短期预报模型

针对基于神经网络的电离层TEC短期预报存在精度较低、易陷入局部最优的问题,利用CODE中心提供的TEC数据及地磁活动指数,建立基于麻雀搜索算法(SSA)改进Elman神经网络的电离层TEC短期预报模型,并通过BP模型、Elman模型及SSA-Elman组合模型分别对电离层平静期和扰动期中低纬度TEC进行5 d连续预报....     

纬度因素对季节性时序TEC短期预报模型的影响分析

通过测试选取合适的时间序列长度,分析地磁指数,排除磁暴与地磁活动的影响,针对电离层TEC值的周期性变化及其随纬度的不均匀分布规律,采用季节性时间序列模型SARIMA和指数平滑模型Holt-Winters,利用IGS中心提供的TEC格网数据,对北半球不同纬度的48个区域进行预报,并通过定义日均相对精度和均方根误差来评定预报精度。结果表明,3种模型均能较好地反映电离层TEC值的周期性变化,但均方根误差随纬度的降低总体呈现增长趋势,且在北纬25°与55°表现为极大值,在北纬45°表现为极小值。     

IGS精密星历和钟差的算法比较研究

通过编程对IGS精密星历和钟差的Lagrange插值、Neville插值、线性插值、多项式拟合算法等进行分析。结果表明:对于精密星历,插值算法的精度较相同阶次的拟合算法差,在拟合与插值时,选择最佳的阶数,其精度可达到毫米级;对于钟差,采用线性插值算法更为简单有效。     

BP神经网络和ARMA模型在中纬度TEC短期预测中的对比分析

在充分考虑TEC序列非平稳、非线性、高噪声特性前提下,以IGS提供的2017年电离层TEC格网数据为基准,运用BP神经网络和ARMA两种模型分别进行TEC 3 d预测,重点分析两种模型在不同季节时段、不同电离层活跃强度及不同样本长度下的TEC预测性能及精度.结果表明,在不同时段,两种模型均能很好地反映TEC的变化特性,...     

基于夜间灯光与LUC数据的川渝地区人口空间化研究

高精度的人口空间分布数据是开展小尺度人口活动变化规律研究的关键数据。夜间遥感影像对于反映人类社会活动具有独特的能力,因而被广泛的应用于社会经济领域的空间数据挖掘。本研究以DMSP/OLS夜间灯光数据、NPP/VIIRS夜间灯光数据、常住人口统计数据、土地利用数据为数据源,在县级尺度上建立逐步回归模型,构建川渝地区人口空间分布数据;并随机抽取研究区内500个乡镇,以常住人口统计数据为真实数据,对人口空间化结果进行精度检验。结果表明：① 2种夜间灯光数据与人口均有较高的相关性,相关系数均在0.76以上,NPP/VIIRS夜间灯光数据与人口的相关性要高于DMSP/OLS,且受拟合模型的影响不大。② 与人口相关性较高的土地利用类型有多种,耕地、林地对人口空间分布也有影响,在建模时不应只考虑建成区。③ 在2种夜间灯光数据分别与土地利用与土地覆被数据（Land Use/ Land Cover, LUC）结合时,使用DMSP/OLS夜间灯光数据和NPP/VIIRS夜间灯光数据得到的逐步回归模型的复相关系数R²分别为0.796、0.817,模型拟合率较高,而基于NPP/VIIRS夜间灯光数据得到的人口空间化结果分辨率（500 m）相比DMSP/OLS提高了一倍（1 km）,中心城区与周边城区人口密度变化更加自然,更符合实际人口分布情况。④ 与LUC数据结合时,使用NPP/VIIRS夜间灯光数据得到的人口空间化结果精度要高于DMSP/OLS夜间灯光数据,表明NPP/VIIRS夜间灯光数据相比DMSP/OLS更适用于人口数据空间化研究。