馮建迪

山東理工大學(xué)建筑工程學(xué)院，山東 淄博 255000

總電子含量TEC是電離層物理學(xué)中的重要參數(shù)之一，被廣泛應(yīng)用于修正GNSS衛(wèi)星信號的電離層延遲和電離層時空變化特性的研究。在實際應(yīng)用中，電離層經(jīng)驗?zāi)Ｐ褪谦@取TEC的重要途徑之一。以TEC數(shù)據(jù)為背景建立的電離層經(jīng)驗?zāi)Ｐ涂稍谡w上體現(xiàn)TEC的時空變化特性。但是，有些TEC經(jīng)驗?zāi)Ｐ偷木炔桓?，在某些局部區(qū)域上不能準確描述電離層的時變特性。制約電離層TEC經(jīng)驗?zāi)Ｐ途鹊闹饕蛩赜校孩傥茨苋婵紤]電離層的變化規(guī)律(特別是異?，F(xiàn)象)，并將其合理模型化；②TEC建模數(shù)據(jù)(如GIMs TEC)的精度在全球范圍內(nèi)不統(tǒng)一，建模過程采用等權(quán)方式是不合理的。本文針對制約電離層TEC經(jīng)驗?zāi)Ｐ途鹊囊蛩?，從單站、區(qū)域和全球的角度，建立了若干電離層TEC經(jīng)驗?zāi)Ｐ?。主要研究?nèi)容及成果如下：

(1) 基于GPS-TEC數(shù)據(jù)和非線性最小二乘擬合法，提出了一種單站電離層TEC經(jīng)驗?zāi)Ｐ?SSM-T1)。在法國的巴黎站(OPMT)、印度的班加羅爾站(IISC)、澳大利亞的塞杜納站(CEDU)和南極半島的奧伊金斯站(OHI3)對SSM-T1模型進行了測試。測試結(jié)果表明，SSM-T1模型在巴黎站、班加羅爾站、塞杜納站上表現(xiàn)得很好，而在南極半島的奧伊金斯站上空，SSM-T1模型卻無法有效地描述TEC變化特性。模型的預(yù)測評估結(jié)果同樣表明了SSM-T1模型在巴黎站、班加羅爾站、塞杜納站上表現(xiàn)出了良好的預(yù)測能力，而在奧伊金斯站上空，該模型基本不具備對TEC的預(yù)測能力。分析發(fā)現(xiàn)：奧伊金斯站(OHI3)位于典型的MSNA區(qū)域，由于SSM-T1模型未考慮MSNA現(xiàn)象的影響，所以該模型不適合MSNA區(qū)域內(nèi)的測站。

(2) 針對MSNA區(qū)域內(nèi)的測站，本文相繼提出另外兩種單站電離層TEC經(jīng)驗?zāi)Ｐ?，分別是SSM-T2模型和SSM-month模型。其中，SSM-T2模型是建立在SSM-T1的基礎(chǔ)上，在TEC日變化分量中添加了MSNA改正項。模型測試結(jié)果表明，在南極半島的奧伊金斯站上，SSM-T2模型與建模數(shù)據(jù)GPS-TEC擬合得很好，較好地描述了MSNA現(xiàn)象。另外一個模型為SSM-month，該模型是一個集合，包含了12個子模型，分別描述12個月的電離層TEC變化特性。SSM-month也可有效地描述奧伊金斯站上空的MSNA現(xiàn)象。最后，模型評估結(jié)果表明，SSM-T2-OHI3和SSM-month模型得到的TEC日變曲線與CODE GIMs符合得很好，具有較好的預(yù)測能力，優(yōu)于IRI2016模型。

(3) 基于CODE GIMs和非線性最小二乘擬合法，分別建立了中國東北地區(qū)和京津唐地區(qū)的TEC區(qū)域經(jīng)驗?zāi)Ｐ?，分別將其命名為TECM-NEC模型和TECM-JJT模型。這兩個模型分別代表了MSNA區(qū)域和中緯度其他區(qū)域的建模方法。評估結(jié)果表明：TECM-JJT模型與GPS-TEC數(shù)據(jù)符合得很好，優(yōu)于NTCM-GL模型和IRI2016模型；TECM-NEC模型能有效地描述MSNA現(xiàn)象和冬季夜間TEC增強現(xiàn)象，模型預(yù)測能力優(yōu)于IRI2016模型。

(4) 針對全球TEC經(jīng)驗?zāi)Ｐ偷木窒扌?，提出了網(wǎng)格點式建模的思想，構(gòu)建了一個全球TEC經(jīng)驗?zāi)Ｐ?，命名為TECM-GRID。該模型包含了5183個子模型，分別對應(yīng)全球范圍內(nèi)的5183個網(wǎng)格點。根據(jù)位置的不同，在MSNA區(qū)域選取SSM-T2模型作為子模型，其他區(qū)域選取SSM-T1作為子模型?；诿總€子模型的模型殘差、殘差的RMS值和相對RMS值，測試了TECM-GRID模型對建模數(shù)據(jù)的擬合能力。最后，在建模時間以外的時間點上，利用IRI2016、NTCM-GL模型和CODE GIMs，對TECM-GRID模型進行了驗證及模型比較。結(jié)果表明，TECM-GRID能較好地描述電離層EIA現(xiàn)象和MSNA現(xiàn)象，與CODE GIMs符合得很好，預(yù)測能力優(yōu)于IRI2016和NTCM-GL模型。