Том 39, номер 02, статья № 7

Аннотация:

Мониторинг и анализ динамики параметров ионосферы позволяет обнаруживать ионосферные возмущения, которые негативно влияют на технические системы. Проблемы своевременного обнаружения ионосферных возмущений связаны с высокой долей априорной неопределенности знаний о динамике ионосферных процессов в возмущенные периоды, влиянием помех и неравномерной сетью наблюдений в отдельных районах. Эти проблемы требуют развития методов регистрации и анализа данных, обеспечивающих высокую точность и оперативность. В настоящей работе представлен новый автоматизированный метод оценки состояния ионосферы по данным наземного вертикального радиозондирования. Метод основан на синтезе элементов теории статистических решений и пороговых оценок с вейвлет-преобразованием. Построенные на основе метода численные решения используются в интерактивной системе «Аврора». Результатами работы алгоритмов являются данные о состоянии ионосферы над Камчаткой (спокойное/возмущенное) и параметры ионосферных неоднородностей в случае возмущенного состояния. Алгоритмы адаптивны и не требуют предварительного обучения. Метод был апробирован на данных ст. Паратунка (Россия, Камчатский край) и Вакканай (Япония). Изучалось поведение ионосферы в периоды сильных геомагнитных бурь 2023–2024 гг. Исследование подтвердило эффективность метода для анализа ионосферных данных и обнаружения ионосферных неоднородностей. Накануне анализируемых событий выделены признаки аномального возрастания электронной плотности ионосферы, что имеет важное прикладное значение. Представленный в работе метод может быть использован в методиках анализа ионосферных данных при выполнении мониторинга и прогноза состояния космической погоды с целью своевременного обнаружения ионосферных возмущений.

Ключевые слова:

методы анализа данных, ионосфера, космическая погода, магнитные бури

Иллюстрации:

Список литературы:

1. Tsagouri I. Space weather effects on the Earth’s upper atmosphere: Short report on ionospheric storm effects at middle latitudes // Atmosphere. 2022. V. 13. P. 346. DOI: 10.3390/atmos13020346.
2. Balan N., Yamamoto M., Liu J.Y., Otsuka Y., Liu H., Luhr H. New aspects of thermospheric and ionospheric storms revealed by CHAMP // J. Geophys. Res.: Space Phys. 2011. V. 16. P. A7. DOI: 10.1029/2010JA016399.
3. Nakamura M., Maruyama T., Shidama Y. Using a neural network to make operational forecasts of ionospheric variations and storms at Kokubunji, Japan // J. Natl. Inst. Inf. Commun. Technol. 2009. V. 56. P. 391–406.
4. Priyadarshi S. A review of ionospheric scintillation models // Surv. Geophys. 2015. V. 36, N 2. P. 295–324. DOI: 10.1007/s10712-015-9319-1.
5. Demyanov V., Danilchuk E., Sergeeva M., Yasyukevich Y. An increase of GNSS data time rate and analysis of the carrier phase spectrum // Remote Sens. 2023. V. 15. P. 792. DOI: 10.3390/rs15030792.
6. Yasyukevich Yu.V., Vesnin A.M., Perevalova N.P. SibNet – Siberian Global Navigation Satellite System Network: Current state // Sol.-Terr. Phys. 2018. V. 4, N 4. P. 63–72. DOI: 10.12737/stp-44201809.
7. Данилов А.Д. Обсуждение проблемы ионосферных предвестников магнитных бурь // Геомагнетизм и аэрономия. 2022. Т. 62, № 1. С. 97–105. DOI: 10.31857/S0016794022010047.
8. Ратовский К.Г., Клименко М.В., Ясюкевич Ю.В., Веснин А.М., Клименко В.В. Статистический анализ ионосферного отклика на геомагнитные бури с использованием данных глобальных ионосферных карт // Химическая физика. 2020. Т. 39, № 10. С. 57–68. DOI: 10.31857/S0207401X20100106.
9. Перевалова Н.П., Ратовский К.Г., Жеребцов Г.А., Ясюкевич А.С. Корреляция короткопериодных волновых возмущений максимальной электронной концентрации в слое F2 и полного электронного содержания в ионосфере // Доклады Российской академии наук. Науки о Земле. 2023. T. 513, № 1. С. 120–125. DOI: 10.31857/S2686739723601709.
10. Ratovsky K.G., Klimenko M.V., Dmitriev A.V., Medvedeva I.V. Relation of extreme ionospheric events with geomagnetic and meteorological activity // Atmosphere. 2022. V. 13. P. 146. DOI: 10.3390/atmos13010146.
11. Pashintsev V.P., Peskov M.V., Senokosov M.A., Mikhailov D.A., Skorik A.D. A system for measuring the scintillation index based on the results of monitoring of small-scale fluctuations in the total electron content of the ionosphere // GPS Solut. 2024. V. 28. P. 13. DOI: 10.1007/s10291-023-01550-1.
12. Бычков В.В., Середкин И.Н., Маричев В.Н. Рассеяние на возбужденных ионах как причина регистрации мнимого аэрозоля в средней атмосфере // Оптика атмосф. и океана. 2020. Т. 33, № 11. С. 867–873. DOI: 10.15372/AOO20201107; Bychkov V.V., Seredkin I.N., Marichev V.N. Scattering on excited ions as a reason for detecting imaginary aerosols in the middle atmosphere // Atmos. Ocean. Opt. 2021. V. 34, N 2. P. 104–110.
13. Ghoddousi-Fard R. Impact of receiver and constellation on high rate GNSS phase rate measurements to monitor ionospheric irregularities // Adv. Space Res. 2017. V. 60, N 9. P. 1968–1977. DOI: 10.1016/j.asr.2017. 07.039.
14. Qiongqiong J., Renbiao W., Wenyi W., Dan L., Lu W., Jie L. Multipath interference mitigation in GNSS via WRELAX // GPS Solutions. 2017. V. 21. P. 487–498. DOI: 10.1007/ s10291-016-0538-9.
15. Пулинец М.С., Будников П.А., Пулинец С.А. Глобальный отклик ионосферы на интенсивные вариации солнечной и геомагнитной активности по данным глобальной сети навигационных приемников GNSS // Геомагнетизм и аэрономия. 2023. T. 63, № 2. С. 202–215.
16. Институт космических исследований Российской академии наук. М., 2025. URL: https://iki.cosmos.ru/research/missions/ionozond (дата обращения: 10.06.2025).
17. McCaffrey A.M., Jayachandran P.T. Spectral characteristics of auroral region scintillation using 100 Hz sampling // GPS Solutions. 2017. V. 21. P. 1883–1894. DOI: 10.1007/s10291-017-0664-z.
18. Zhang Q., Niu X., Shi C. Assessment of the effect of GNSS sampling rate on GNSS/INS relative accuracy on different time scales for precision measurements // Measurement. 2019. V. 145. P. 583–593. DOI: 10.1016/j.measurement.2019.05.104.
19. Bolla P., Borre K. Performance analysis of dual-frequency receiver using combinations of GPS L1, L5, and L2 civil signals // J. Geodesy. 2018. V. 93. P. 437–447. DOI: 10.1007/s00190-018-1172-9.
20. Lin X., Wang H., Zhang Q., Yao C., Chen C., Cheng L., Li Z. A spatiotemporal network model for global ionospheric TEC forecasting // Remote Sens. 2022. V. 14. P. 1717. DOI: 10.3390/rs14071717.
21. Salimov B.G., Yasyukevich Y.V., Vesnin A.M., Bykov A.E., Zhang B., Ratnam D.V. Machine learning total electron content models based on F10.7 // Adv. Space Res. 2025. V. 76, N 1. P. 317–330. DOI: 10.1016/j.asr.2025.04.038.
22. Крюковский А.С., Лукин Д.С., Михалева Е.В., Палкин Е.А., Растягаев Д.В. Математическое моделирование влияния неоднородностей ионосферы Земли на распространение электромагнитных волн // Радио-
техника и электроника. 2024. Т. 69, № 6. С. 501–512. DOI: 10.31857/S0033849424060017.
23. Mandrikova O., Fetisova N., Polozov Y. Hybrid model for time series of complex structure with ARIMA components // Mathematics. 2021. V. 9. P. 1122. DOI: 10.3390/math9101122.
24. Mandrikova O., Polozov Y. Complex approach to the detection of ionospheric anomalies based on ionospheric foF2 critical frequency data // Proc. SPIE. 2023. V. 12780. P. 127807J. DOI: 10.1117/12.2690918.
25. Полозов Ю.А., Мандрикова О.В. Анализ вариаций геомагнитного поля по результатам интерактивной системы «Аврора» // Вестн. КРАУНЦ. Физ.-мат. науки. 2024. Т. 49, № 4. C. 112–124. DOI: 10.26117/2079-6641-2024-49-4-112-124.
26. Mandrikova O., Fetisova N. Modeling and analysis of ionospheric parameters based on multicomponent model // J. Atmos. Solar-Terr. Phys. 2020. V. 208. P. 105399. DOI: 10.1016/j.jastp.2020.105399.
27. Mandrikova O., Polozov Yu., Fetisova N., Zalyaev T. Analysis of the dynamics of ionospheric parameters during periods of increased solar activity and magnetic storms // J. Atmos. Solar-Terr. Phys. 2018. V. 181. P. 116–126. DOI: 10.1016/j. jastp.2018.10.019.
28. Mallat S. A wavelet tour of signal processing: The sparse way. Boston: Academic Press, 2009. 805 p.
29. Berger J.O. Statistical Decision Theory and Bayesian Analysis. New York: Springer-Verlag, 2010. 618 p.
30. Danilov A.D., Konstantinova A.V. Ionospheric precursors of geomagnetic storms. 1. A review of the problem // Geomagn. Aeron. 2019. V. 59. P. 554–566. DOI: 10.1134/S0016793219050025.
31. Tsurutani B.T., Verkhoglyadova O.P., Mannucci A.J., Saito A., Araki T., Yumoto K., Tsuda T., Abdu M.A., Sobral J.H.A., Gonzalez W.D., McCreadie H., Lakhina G.S., Vasyliūnas V.M. Prompt Penetration Electric Fields (PPEFs) and their ionospheric effects during the great magnetic storm of 30–31 October 2003 // J. Geophys. Res. 2008. V. 113, iss. A5. DOI: 10.1029/2007JA012879.