CC BY
6
Вестник КРАУНЦ. Физ.-мат. науки. 2022. Т. 41. №4. C. 89-106. ISSN 2079-6641
УДК 519.65
Научная статья
Моделирование и анализ параметров ионосферы на основе обобщенной многокомпонентной модели
Институт космофизических исследований и распространения радиоволн ДВО РАН 684034, Камчатский край, с. Паратунка, ул. Мирная 7 E-mail: nv.glushkova@yandex.ru, oksanam1@mail.ru
В работе представлены результаты моделирования и анализа параметров ионосферы в периоды магнитных бурь 2017-2021 гг. Использовались данные критической частоты Р2-слоя ионосферы (foF2) (по данным ионозонда ст. «Паратунка», п-ов Камчатка, ИКИР ДВО РАН). Моделирование выполнялось на основе разработанной авторами обобщенной многокомпонентной модели параметров ионосферы (ОМКМ). Представленная в работе ОМКМ позволяет детально изучать динамику параметров ионосферы в возмущенные периоды. Идентификация модели основана на совместном применении вейвлет преобразования и авторегрессионных моделей (АРПСС модели). ОМКМ описывает три класса аномалий, характеризующих сильные (класс 3), умеренные (класс 2) и слабые (класс 1) ионосферные возмущения. Исследование динамики параметров ионосферы проводилось в зависимости от силы геомагнитного возмущения (рассматривались события слабой, умеренной и высокой интенсивности). В процессе моделирования обнаружены ионосферные аномалии разной интенсивности и продолжительности. Накануне умеренных и сильных магнитных бурь отмечен факт высокой частоты эффекта предповышения в ионосфере, имеющий важную прикладную значимость.
Ключевые слова: ионосферные возмущения, вейвлет преобразование, авторегрессионные модели.
Для цитирования. Фетисова Н.В., Мандрикова О. В. Моделирование и анализ параметров ионосферы на основе обобщенной многокомпонентной модели // Вестник КРАУНЦ. Физ.-мат. науки. 2022. Т. 41. № 4. C. 89-106. d DOI: 10.26117/2079-6641-2022-414-89-106
Контент публикуется на условиях лицензии Creative Commons Attribution 4.0 International (https://creativecommons.Org/licenses/by/4.0/deed.ru)
© Фетисова Н.В., Мандрикова О. В., 2022
Финансирование. Работа выполнена в рамках ГЗ "Физические процессы в системе ближнего космоса и геосфер при солнечных и литосферных воздействиях регистрационный номер АААА-А21-121011290003-0.
Н. В. Фетисова, О. В. Мандрикова
d DOI: 10.26117/2079-6641-2022-41-4-89-106
Поступила в редакцию: 02.12.2022
В окончательном варианте: 06.12.2022
Введение
Известно, что геомагнитные возмущения в периоды аномальных процессов на Солнце (корональные выбросы массы (СМЕ) и вспышки на Солнце, высокоскоростные потоки солнечного ветра из корональных дыр (СШ)) сопровождаются формированием в ионосфере неоднородностей (ионосферных бурь) [1]-[4]. В эти периоды в ионосфере наблюдаются существенные повышения (положительная фаза бури) и понижения (отрицательная фаза бури) электронной концентрации относительно спокойных условий [3, 4]. Характеристики ионосферных неоднородностей (их интенсивность, длительность и протяжённость) существенно зависят от солнечной активности, интенсивности геомагнитного возмущения, области ионосферы (полярная и авроральная зоны, среднеширотные и экваториальные области) и др. [1]-[4]. Ионосферные возмущения оказывают существенное негативное влияние на работу современных наземных и космических технических средств (например, [5]), поэтому их своевременное обнаружение имеет важное прикладное значение. Работы многих авторов направлены на изучения процессов в ионосфере [1, 4], [6]-[10]. Среди основных подходов можно выделить традиционный метод скользящей медианы [1, 10], физические модели [7, 11], эмпирические модели [6, 12], нейросетевые методы [4, 8, 9] и др. Однако, применение данных методов (например, метод скользящей медианы, международная справочная модель ионосферы ИРИ [6]) приводит к потере части важной информации и не позволяет оценить быстро изменчивые характеристики ионосферных параметров, а их точность и эффективность (например, нейросетевые методы и физические модели) во многом зависят от наличия качественных оперативных данных геофизического мониторинга.
Работы авторов статьи направлены на создание автоматизированных методов анализа параметров ионосферы и обнаружения ионосферных возмущений [13]-[16]. На основе совместного применения вейвлет-преобразования (например, [17]) с методами авторегрессии - проинтегрированного скользящего среднего (АРПСС, [18]) авторами разработана обобщенная многокомпонентная модель временного ряда параметров ионосферы (ОМКМ) [15, 16]. Модель описывает три класса аномалий, характеризующих сильные (класс 3), умеренные (класс 2) и слабые (класс 1) ионосферные возмущения. В отличие от традиционных подходов в области моделирования, ОМКМ позволяет описать аномальные изменения параметров ионосферы, возникающие в периоды ионосферных бурь. Апробация модели на данных критической частоты Р2-слоя ионосферы (foF2) показала ее высокую чувствительность и эффективность для обнаружения малоамплитудных короткопериодных ионосферных возмущений [13]-[15]. В данной работе на основе ОМКМ выполнен анализ вариаций foF2 в периоды магнитных бурь 2017-2021 гг. Использовались часовые и 15-минутные данные foF2 станции «Паратунка» (Камчатка, Россия, 530 Ы; 158.7° Е). Изучалось поведение ионосферы в зависимости от силы геомагнитного возмущения (рассматривались события слабой, умеренной и высокой интенсивности). В процессе моделирования детектированы ионосферные неоднородности, возникающие накануне магнитных бурь.
Описание метода
Обобщенная многокомпонентная модель параметров ионосферы
Представление временного ряда параметров ионосферы имеет вид [14]—[16]:
= Л№е(-Ь)+ Ц(1) + е(1) =
= ^ ^^р^ (ал,п)%,и(-ь) + е(-ь), (1)
ц=тдк=т;^ге7 1=т;зп,п
где:
1) регулярная компонента ЛКЕС (1) описывает характерные вариации ионосферных параметров (сезонные вариации параметров, суточные колебания и др.) (алгоритм идентификации компоненты описан в работах [14, 16]):
ЛКЕС«=^ 5^X^(1) + е(1), (2)
ц^дк^^^тед
г,^ ь^ _
ц у> • f£g ц ц I ц ц -
где = ^т уЩ^Щ^ -2_0цЦпа-гее,к-п(ц = 1; Т- номер регулярной составляющей) - оценочное значение регулярной ц-ой составляющей; рцее, 1 - порядок и параметры авторегрессии ц-й составляющей; к = ^^к, - порядок разности ц-й составляющей, 6-тгее к = с-тгее,к, 6цее к = <^гее,к, ц = 2,Т, Т - количество моделируемых составляющих, с-тгед,к - вейвлет-коэффициенты сглаженной составляющей кратномасштабного вейвлет анализа (КМА), ^гед^ - вейвлет-коэффициенты детализирующих составляющих КМА, Нцев, 0рв п - порядок и параметры скользящего среднего ц-й составляющей; ацев к - остаточные ошибки мо-
дели ц-й составляющей, Ъ-тГее,к = Ф-тгее,к, Ър8,к = ц = 2,Т, Р-т^кМ-
масштабирующая функция, ^тед,к("Ь) - вейвлет-функция; - длина ц-й составляющей.
2) аномальная компонента модели Ц("Ь) описывает нестационарные коротко-периодные изменения параметров в возмущенные периоды (колебательные процессы в периоды повышенной солнечной активности, магнитосферных возмущений и др.); компонента Ц("Ь) включает три класса аномалий (слабые, умеренные и сильные) и может быть представлена как
U(t) = Y_ Pi,n )^n.u(t) + Y- p2,n ^n.u(t) +Y- p3,n )%,n(t), (3)
n,n
Рз,п (dn,n) =
0, if |dn ,n| < T1,r| от|dt|,n| > T2,n dn,n, ifTi,n < |dn,nl < T2,n 0, if |dn,nl < T2,n от |dn,nl > Тз,п
dn,n, ifT2,n < |dn,nl < Тз,п 0, if |dn,n| < Тз,п dn,n, if |x| > Тз,^
где d•n,n = <^%,п> - вейвлет-коэффициенты, {^г|,П}г|Пе7- вейвлет-базис; амплитуда вейвлет-коэффициентов ^п,п|, следуя работе [14], принята за меру ионосферной возмущенности на масштабе п. Соответственно порог Т1,л определяет ионосферные возмущения малой интенсивности (класс 1), порог Т2,п- умеренной интенсивности (класс 2), порог Тз,п - высокой интенсивности (класс 3)
3) в("Ь) - шумовая составляющая (аппаратные сбои, промышленные взрывы и
др-)-
Обнаружение и оценка параметров ионосферных возмущений
Обнаружение интенсивных ионосферных возмущений. Алгоритм обнаружения интенсивных ионосферных возмущений описан в работе [15]. В основе алгоритма лежит предположение о том, что в периоды аномальных изменений в ионосфере возрастут остаточные ошибки регулярной компоненты модели ЛКЕС (1) (см. соотн. (1), (2)). В этом случае обнаружение интенсивных ионосферных возмущений может быть основано на проверке условия:
-н- _ V
jeg
q=1
еГге, = Y_ | j*s,k+q | > HWr eg, (4)
где q > 1 - шаг упреждения данных; - длина упреждения ц-й состав-
||
,ц = _ сЦ,тоа . сц,тоа = у-,ц
ц _ ц,1аст ц,тоа ц,тоа _ У^г 6 ц
ляющей модели; йр8,к+ч = 5р8,к+ч _ 5^е,к+ч; 5р8,к = 2_ 1=1 Т)ге8,1^ге8,к^_1.
И1
ц ц
2_п=1 6р8 пар8 k+q_n; Иц,^ - пороговое значение ц-й составляющей, определяющее наличие аномалий.
Пороговое значение Иц,рв в соотн. (4), следуя работе [18], определяется как
[15]:
q=i
1/2
2
Q^-1
HjS (Qh) = u^/2 \ 1 + X j, (5)
где и^/2 - квантиль уровня (1 _ £,/2) стандартного нормального распределения; - дисперсия остаточных ошибок модели ц-й составляющей; фрв q - весовые
коэффициенты ц-й составляющей модели, которые определяются как
ц2_ ßP-ireg
1 - Ф]Тед)1В - ФЩ2В2 - ... - ф|
reg,Pjreg +V-
(l +
Ц В + ^}Гед,2В2 + .
jreg,1
= I 1 öjreg ,1В Э|Гед,2В2 ... ®jreg,h-
В^5гед
гед
где ф:;ед и .„ - обобщенный оператор авторегрессии: Ф1тед = у£ед (Б)(1 - В Г , Б
] д,Р^тед ) )
- оператор сдвига назад: В1^Гед,к("Ь) = Ш-Тед,к-1(-Ь),"ф-Тед,0 = 1.
Обнаружение внезапных аномальных изменений в динамике параметров ионосферы, имеющих разномасштабную структуру и характеризующих колебательные процессы в ионосфере (резких повышений/понижений электронной плотности), основано на применении адаптивных порогов Ра^г = 1,3 (см. соотн. (3)) с коэффициентами сЦ п приняты равными:
dn,n =
0, if <n>
0, if
ifPfd < Kn - dmnd)< Pad
2,П
dn,n-dmnd|<Pa,d°r Kn-dmnd|
ad
if - pa,d < (dn,n - -p1,n
> pad
> P2,n
ifP
ad
ad
2,n<Kn - < P3,n
0, if
dn,n - dmndi <pa,dor )n,n - dmndi
mnd) < -pa,d
me^K pad n ) > P3,n med | ^ pad n 1 < P3,n ,
>P
if - pa,d < (dn,n - dm
if (dn,n - dmn
|| d - dme |
ad 3,П
if (dn,n - dmnd) < -pad
3,n
pad = Vi i,n г
Stn; Vi
(6)
пороговый коэффициент; величина
где
^п = ф-т-йЛ,п)2; и - среднее значение и медиана, со-
ответственно, которые вычисляются с учетом суточного хода ионосферных данных в скользящем временном окне длины Ф; коэффициенты <0+ определяют положительные аномалии класса г; коэффициенты сЦ^ - отрицательные аномалии класса г.
Интенсивность положительных (1г+(п)) и отрицательных (1г-(п)) ионосферных возмущений каждого класса г в момент времени - = п оценивается как
Ii+(-)(n) =
(7)
Оценка адаптивных порогов Ра^Л = 1,3 (см. соотн. (6)) выполнялась в работе путем минимизации апостериорного риска. При оценке апостериорного риска для определения состояния ионосферы и формирования классов аномалий использовались данные критической частоты ионосферы и К-индекс геомагнитной активности станции «Паратунка» (Камчатка, Россия):
1. Класс 1 - возмущения малой интенсивности характеризуют колебательные процессы малой амплитуды [3, 15, 19]. Для оценки порога Р^ использовались данные foF2, регистрируемые в периоды спокойного геомагнитного поля (К-индекс
2. Класс 2 - возмущения умеренной интенсивности характеризуют колебания средней амплитуды, также могут наблюдаться в периоды изменений временного хода параметров ионосферы [3, 13, 15]. Для оценки порога Р^" использовались данные /оР2 в периоды слабо возмущенного геомагнитного поля (К-индекс в диапазоне 3-4).
3. Класс 3 - возмущения высокой интенсивности характеризуют возникновение длительных и интенсивных ионосферных бурь [3, 13, 15, 19]. Для оценки порога Рз "П использовались данные /оР2, регистрируемые в периоды сильно возмущенного геомагнитного поля (К-индекс > 5).
На рис.1 представлена схема реализации метода.
Рис. 1. Схема обнаружения ионосферных возмущений на основе ОМКМ: КМА -кратномасштабный анализ, НВП - непрерывное вейвлет-преобразование [Figure 1. Scheme of detecting ionospheric disturbances based on GMCM]
Анализ параметров ионосферы в периоды магнитных бурь
На рис. 2-5 представлены результаты обработки и анализа вариаций критической частоты ионосферы /оР2 (по данным ионозонда ст. «Паратунка», 53.00 Ы; 158.70 Е, п-ов Камчатка, ИКИР ДВО РАН) в периоды геомагнитных возмущений 2017-2021 гг. Обработка данных /оР2 выполнялась на основе описанного выше метода. Построение моделей и идентификация параметров выполнялись с использованием часовых и 15-минутных данных /оР2 станции «Паратунка», регистрируемых в периоды спокойных геомагнитных условий (суммарный за сутки К-индекс не превышал значения 20, максимальный К-индекс не превышал значения 4) и не содержащих сильных сейсмических событий (отсутствовали землетрясения с энергетическим классом Кб > 12).
Рис. 2. Анализ данных foF2 в период магнитной бури 16.04.2021 г.: а), в) регистрируемые данные foF2 (черным), 27-дневная медиана (синим), б) ошибки сглаженной (черным) и детализирующей (зеленым) компонент (соотн.(4)), пунктир -соответствующие пороги H^jreg (соотн. (5), доверительная вероятность 70%), г) выделенные разномасштабные положительные (красным) и отрицательные (синим) ионосферные возмущения, д) интенсивность положительных и отрицательных ионосферных возмущений (соотн. (7)), пунктир - пороговые значения классов. Вертикальный пунктир - начало магнитной бури.
[Figure 2. Analysis of foF2 data during the magnetic storm on April 16, 2021: а), c) recorded foF2 data (black), 27-day median (blue), b) smoothed component errors (black), detailing component errors (green) (Eq. (4)), dashed lines show the corresponding thresholds H^jreg (70% confidence level, (Eq. (5))), d) detected different-scale positive (red) and negative (blue) ionospheric disturbances, e) intensity of positive and negative ionospheric disturbances (Eq. (7))), the dashed lines show the threshold values of classes, f) K-index, g) Dst-index. Dashed blue line shows the magnetic storm commencement]
Следуя результатам работы [15], оценка параметров моделей выполнялась отдельно для каждого сезона. Процесс идентификации ОМКМ подробно представлен в работе [15].
Поведение критической частоты ионосферы foF2 в периоды возмущений изучалось в зависимости от силы геомагнитной бури. Для анализа геомагнитной активности использовались Бз^индекс (http://isgi.unistra.fr) и К-индекс геомагнитной активности (станция «Паратунка»). Рассматривались слабые (-30 нТл > Dst > -50 нТл), умеренные (-50 нТл > Dst > -100 нТл) и сильная (-100 нТл > Dst > -200 нТл) геомагнитные бури [20].
В первый анализируемый период (13.04.2021-20.04.2021 гг., рис. 2) по данным космической погоды http://ipg.geospace.ru вследствие пришедшего 16 апреля неоднородного ускоренного потока от корональной дыры (СГО.) флуктуации южной компоненты усилились до Вz = ±12 нТл, скорость солнечного ветра (ССВ) начала расти и 17 апреля увеличилась до 680 км/сек. Результаты применения адаптивных порогов к 15-минутным данным foF2 (рис. 2 г, д, соотн. (6), (7)) показывают, что накануне события на фоне слабо возмущённого геомагнитного поля в ионосфере наблюдались фоновые колебательные процессы. В начале суток 15 апреля началось плавное аномальное повышение электронной концентрации, которое привело к формированию положительного ионосферного возмущения слабой интенсивности (класс 1, рис. 2 г, д, показано красным цветом). Выделенная положительная аномалия сформировалась за 18 ч до возникшей 16 апреля умеренной магнитной бури с постепенным началом и имела общую длительность около 42 ч (рис. 2 г, д, показано красным цветом). Наблюдаемые аномальные изменения в параметрах ионосферы, вероятно, связаны с пришедшим в конце суток 14 апреля неоднородным ускоренным потоком от выброса корональной массы (СМЕ от 13 апреля), вследствие которого ССВ увеличилась до 420 км/сек, флуктуации Bz-компоненты усилились до Вz = ±8 нТл (http://ipg.geospace.ru). По результатам моделирования в этот период наблюдалось незначительное превышение ошибок ОМКМ 70% доверительных интервалов - 1.2 СО для компоненты д-з(-) (рис. 2 б, показано зеленым цветом), что подтверждает возникновение аномальных изменений накануне события. Отметим, что выделенные аномальные изменения в foF2 совпадают с моментом кратковременного возрастания геомагнитной активности (К-индекс достиг значения 4, рис. 2 е). В период основной фазы бури электронная концентрация начала понижаться, что привело к формированию на восстановительной фазе бури отрицательной аномалии умеренной интенсивности (класс 2) длительностью около 26 ч. (рис. 2 г, д, показано синим цветом). По результатам моделирования (рис. 2 б, соотн. (4), (5)) сильное аномальное понижение электронной концентрации привело к изменению временного хода параметров ионосферы - превышение ошибок модели 70% доверительных интервалов составило 2.3 СО для компоненты ^з(-Ь) (рис. 2 б, показано черным цветом) и 2.4 СО для компоненты д-з(-) (рис. 2 б, показано зеленым цветом). Восстановление уровня флуктуаций foF2 наблюдается с 18 апреля (положительная аномалия класса 1, рис. 2 г, д, показано красным цветом). Сопоставление результатов ОМКМ с медианным методом (рис. 2 а, в) подтверждает достоверность полученных вычислительных решений. Однако, применение медианного метода не позволило, в отличие от ОМКМ, получить детальную информацию о поведении ионосферы накануне и в период события.
Рис. 3. Анализ данных foF2 в период магнитной бури 12.05.2021 г.: а), в) регистрируемые данные foF2 (черным), 27-дневная медиана (синим), б) ошибки сглаженной (черным) и детализирующей (зеленым) компонент (соотн.(4)), пунктир -соответствующие пороги H^jreg (соотн. (5), доверительная вероятность 70%), г) выделенные разномасштабные положительные (красным) и отрицательные (синим) ионосферные возмущения, д) интенсивность положительных и отрицательных ионосферных возмущений (соотн. (7)), пунктир - пороговые значения классов. Вертикальный пунктир - начало магнитной бури.
[Figure 3. Analysis of foF2 data during the magnetic storm on May 12, 2021: а), c) recorded foF2 data, 27-day median (blue), b) smoothed component errors (black), detailing component errors (green) (Eq. (4)), dashed lines show the corresponding thresholds H^jreg (70% confidence level, (Eq. (5))), d) detected different-scale positive (red) and negative (blue) ionospheric disturbances, e) intensity of positive and negative ionospheric disturbances (Eq. (7)), the dashed lines show the threshold values of classes, f) K-index, g) Dst-index. Dashed blue line shows the magnetic storm commencement]
На рис. 3 представлены результаты обработки данных /оР2 в период умеренной магнитной бури 12 мая 2021 г. В следствие пришедшего 12 мая в 05:49 ит неоднородного ускоренного потока от корональной дыры (С1Я) и выброса корональной массы (СМЕ от 9 мая) флуктуации Вz усилились до Bz = ±20 нТл, ССВ начала возрастать и 13 мая увеличилась до 530 км/сек. Результаты обработки данных
foF2 показывают аналогичный рассмотренному выше событию характер поведения ионосферы в период бури. Накануне магнитной бури в ионосфере возникли колебательные процессы малой интенсивности (рис. 3 г, д), приведшие к незначительным изменениям во временном ходе foF2 (превышение ошибок составило 1.2 СО для компоненты ^3(-), рис. 3 б, показано черным цветом). Наблюдаемые аномальные изменения происходили на фоне увеличения ССВ до 400 км/сек, усиления флуктуаций Вz-компоненты до Bz = ±7 нТл (http://ipg.geospace.ru), а также незначительного повышения геомагнитной активности (К-индекс достиг значения
3, рис. 3 е). По результатам применения адаптивных порогов (рис. 3 г, д) во второй половине суток 11 апреля возникло аномальное повышение электронной концентрации, что привело к формированию положительной ионосферной аномалии умеренной интенсивности (класс 2) с максимумом около 03:00 ит 12 мая (рис. 3 г, д, показано красным цветом). Выделенная положительная аномалия сформировалась за 6 ч до начала магнитной бури и имела общую длительность около 20
4. Наличие положительной аномалии накануне бури подтверждают и результаты моделирования - превышение ошибок 70% доверительных интервалов составило 1.7 СО для компоненты ^з(-Ь) (рис. 3 б, показано черным цветом). В период основной фазы бури электронная концентрация начала понижаться и в период наиболее сильных геомагнитных возмущений сформировалась отрицательная аномалия слабой интенсивности (рис. 3 г, д, отмечено синим цветом). Восстановление уровня флуктуаций foF2 наблюдается со второй половины суток 13 мая (аномалия класса 1, рис. 3 г, д, отмечено красным). Возрастание ошибок модели и их выход за 70% доверительный интервал (рис. 3 б) во время события свидетельствует об изменении временного хода данных foF2 - 2.8 СО для компоненты ^з(-Ь) (рис. 3 б, показано черным цветом) и 1.5 СО для компоненты д-з(-) (рис. 3 б, показано зеленым цветом). Результаты применения ОМКМ согласуются с медианным методом - существенные и длительные расхождения текущих и медианных значений foF2 соответствуют периоду с максимальными отклонениями ошибок модели.
Результаты рассмотренных выше умеренных магнитных бурь (рис. 2, 3), а также представленные в работе [15], свидетельствуют о наличии общего характера динамики ионосферного процесса - во время основной фазы магнитных бурь наблюдался эффект аномального повышения электронной концентрации, далее, на фазе восстановления, динамика ионосферного процесса существенно менялась, и происходило аномальное понижение электронной концентрации. Выделенное повышение электронной концентрации, по-видимому, связано с проникновением электрического поля в средние и низкие широты (эффект РРЕР [21]). Понижение электронной концентрации, вероятно, обусловлено нагревом и возвышением термосферы и, как следствие, увеличением скорости рекомбинации, приводящим к истощению ионизации [4]. Восстановление временного хода данных foF2 имело продолжительность от 2-х суток и более. По данным предыдущих исследований [13]-[15], описанное поведение критической частоты ионосферного слоя Р2 характерно для района Камчатки в периоды возмущений.
Рис. 4. Анализ данных foF2 в период магнитной бури 21.11.2020 г.: а), в) регистрируемые данные foF2 (черным), 27-дневная медиана (синим), б) ошибки сглаженной (черным) и детализирующей (зеленым) компонент (соотн.(4)), пунктир -соответствующие пороги H^jreg (соотн. (5), доверительная вероятность 70%), г) выделенные разномасштабные положительные (красным) и отрицательные (синим) ионосферные возмущения, д) интенсивность положительных и отрицательных ионосферных возмущений (соотн. (7)), пунктир - пороговые значения классов. Вертикальный пунктир - начало магнитной бури.
[Figure 4. Analysis of foF2 data during the magnetic storm on November 21, 2020: а),
c) recorded foF2 data, 27-day median (blue), b) smoothed component errors (black), detailing component errors (green) (Eq. (4)), dashed lines show the corresponding thresholds H^jreg (70% confidence level, (Eq. (5))),
d) detected different-scale positive (red) and negative (blue) ionospheric disturbances, e) intensity of positive and negative ionospheric disturbances (Eq. (7)), the dashed lines show the threshold values of classes, f) K-index, g) Dst-index. Dashed blue line shows the magnetic storm commencement]
На рис. 4 представлены результаты моделирования данных /оР2 в период слабой магнитной бури 21 ноября 2020 г. По результатам обзора космической погоды (http://ipg.geospace.ru) 21 ноября пришел неоднородный ускоренный поток от ко-рональной дыры (С1Я), флуктуации южной компоненты ММП усилились до Bz = ±10 нТл, ССВ начала возрастать и 22 ноября достигла максимального значения 670
км/сек. Результаты применения адаптивных порогов (рис. 4 г, д) показывают, что накануне магнитной бури 20 ноября, на фоне слабо возмущенного магнитного поля, в ионосфере сформировалась короткопериодная положительная аномалия слабой интенсивности (класс 1, показано красным) длительностью около 5 ч. В этот период по данным http://ipg.geospace.ru ССВ увеличилась до 400 км/сек, флуктуации южной компоненты ММП усилились до Bz = ±7 нТл. Во время магнитной бури по результатам моделирования (рис. 4 б) в параметрах ионосферы возникли длительные (около 4 суток) аномальные изменения (ошибки модели превысили 70% доверительный интервал) - 1.8 СО для компоненты f-3(t) (рис. 4 б, показано черным цветом) и 3.5 СО для компоненты g_3(t) (рис. 4 б, показано зеленым цветом). В этот период по результатам применения адаптивных порогов в ионосфере сформировалось отрицательное ионосферное возмущение умеренной интенсивности (класс 2, рис. 4 г, д, показано синим цветом). Выделенная отрицательная аномалия сменилась положительным ионосферным возмущением умеренной интенсивности (класс 2) длительностью около 11 ч. (рис. 4 г, д, показано красным цветом). Результаты ОМКМ согласуются с результатами медианного метода (рис. 4 а, в) и подтверждают достоверность полученных решений - во время магнитной бури наблюдаются существенные отклонения foF2 от медианы и возрастание ошибок ОМКМ.
На рис. 5 представлены результаты моделирования данных foF2 в период с 25 мая по 1 июня 2017 г. В анализируемый период 27 мая произошла сильная магнитная буря. Вследствие наличия длительных пропусков в данных foF2 в период события (рис. 5 а, в, отмечены красным цветом), результаты анализа foF2 представлены накануне и в первые сутки бури. Пропущенные значения, для анализа, заполнялись на основе 27-дневной медианы, рассчитанной с учетом суточного хода процесса. В связи с приходом 27 мая (в 14:50 UT) неоднородного ускоренного потока от коронального выброса (СМЕ 23 мая) и корональной дыры (пересекла центральный меридиан 24 мая), ССВ в течение суток 27 мая увеличилась до 470 км/сек и оставалась такой до середины суток 29 мая, флуктуации южной компоненты ММП усилились до Bz = ±20 нТл (http://ipg.geospace.ru). Анализ результатов обработки данных foF2 показывает, что накануне анализируемого события наблюдается плавное аномальное повышение электронной концентрации, начавшееся в начале суток 27 мая (рис. 5 г, д, показано красным цветом). Выделенная положительная аномалия превысила порог слабой интенсивности (класс 1) за три часа до магнитной бури, имеющей резкое начало. Аномалия достигла максимальной интенсивности (класс 3) около 03:00 UT 28 мая в период основной фазы бури (рис. 5 г, д, показано красным цветом). По результатам моделирования (рис. 5 б) накануне события наблюдалось незначительное превышение ошибок 70% доверительных интервалов - 1.4 СО для компоненты g_3(t) (рис. 5 б, показано зеленым цветом). В период бури 28 мая превышение ошибок составило 3 СО для компоненты f—з(t) (рис. 5 б, показано черным цветом) и 2.2 СО для компоненты g_3(t) (рис. 5 б, показано зеленым цветом).
Рис. 5. Анализ данных foF2 в период магнитной бури 27.05.2017 г.: а), в) регистрируемые данные foF2 (черным), 27-дневная медиана (синим), б) ошибки сглаженной (черным) и детализирующей (зеленым) компонент (соотн.(4)), пунктир -соответствующие пороги H^jreg (соотн. (5), доверительная вероятность 70%), г) выделенные разномасштабные положительные (красным) и отрицательные (синим) ионосферные возмущения, д) интенсивность положительных и отрицательных ионосферных возмущений (соотн. (7)), пунктир - пороговые значения классов. Вертикальный пунктир - начало магнитной бури.
[Figure 5. Analysis of foF2 data during the magnetic storm on May 27, 2017: а), c) recorded foF2 data, 27-day median (blue), b) smoothed component errors (black), detailing component errors (green) (Eq. (4)), dashed lines show the corresponding thresholds H^jreg (70% confidence level, (Eq. (5))), d) detected different-scale positive (red) and negative (blue) ionospheric disturbances, e) intensity of positive and negative ionospheric disturbances (Eq. (7)), the dashed lines show the threshold values of classes, f) K-index, g) Dst-index. Dashed blue line shows the magnetic storm commencement]
Детальный анализ рассмотренных событий, а также событий, представленных в работе [15], показал, что за несколько часов до начала умеренных и сильных магнитных бурь наблюдается эффект повышения электронной концентрации в ионосфере (например, [3, 22]). Данные изменения в ионосфере протекали на фоне повышения ССВ и незначительного возрастания геомагнитной активности. Отметим, что в большинстве случаев эффект предповышений наблюдался для магнитных бурь, возникших в следствие прихода CME. Выделенные плавные положительные возмущения имели слабую (класс 1) или умеренную (класс 2) интенсивности. Предбуревые повышения электронной концентрации в ионосфере неоднократно были отмечены в работах [3, 4], [13]-[15], [19], [22]-[24]. Результаты данной работы свидетельствуют о высокой частоте эффекта предповышений в ионосфере накануне бурь. Также результаты подтверждают высокую эффективность ОМКМ для анализа динамики параметров ионосферы и обнаружения аномалий.
Заключение
Представленные результаты свидетельствуют о сложной динамике ионосферного процесса в периоды повышенной солнечной активности и магнитных бурь. Важным, по мнению авторов, прикладным результатом исследования является факт высокой частоты эффекта предповышений в ионосфере накануне бурь. Анализ событий разной силы подтвердил эффективность ОМКМ для изучения динамики ионосферных данных и обнаружения аномалий. Применение ОМКМ позволило получить детальную информацию об аномальных периодах в ионосфере и оценить их характеристики (моменты начала, длительность и интенсивность аномалий). Сопоставление результатов ОМКМ с традиционным медианным методом подтверждает достоверность полученных на ее основе результатов. Однако, в отличие от медианного метода предлагаемая ОМКМ наиболее эффективна для обнаружения слабых ионосферных возмущений, которые могут предшествовать магнитным бурям и служить их предикторами. Выделенные накануне и в периоды магнитных бурь аномальные изменения в ионосфере согласуются с результатами работ [3, 24].
Конкурирующие интересы. Конфликтов интересов в отношении авторства и публикации нет.
Авторский вклад и ответственность. Авторы участвовали в написании статьи и полностью несут ответственность за предоставление окончательной версии статьи в печать.
Благодарность. Авторы выражают благодарность институтам, выполняющим регистрацию данных, которые использовались в работе.
Список литературы
1. Афраймович Э. Л., Перевалова Н. П. GPS-мониторинг верхней атмосферы Земли.. Иркутск: ГУ НУ РВХ ВСНЦ СО РАМН, 2006.480 с.
2. Danilov A. D. F-2 region response to geomagnetic disturbances, Journal of Atmospheric and Solar-Terrestrial Physics, 2001. vol.63, pp. 441-449.
3. Danilov A. D. Ionospheric F-region response to geomagnetic disturbances, Adv. Space Res.,2013. vol. 52, no. 3, pp. 343-366.
4. 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. vol. 56, pp. 391-406.
5. Chernogor L. F., Rozumenko V. T. Earth - atmosphere - geospace as an open nonlinear dynamical system, Radio Phys. Radio Astron., 2008. vol. 13, no. 2, pp. 120-137.
6. Bilitza D., Reinisch B.International reference ionosphere 2007: improvements and new parameters, Adv. Space Res., 2008. vol.42, no. 4, pp. 599-609 DOI: 10.1016/j.asr.2007.07.048.
7. Solomentsev D. V., Titov A. A., Khattatov B. V. Three-dimensional assimilation model of the ionosphere for the European region, Geomagn. Aeron.,2013. vol.53, no. 1, pp. 73-84 DOI: 10.1134/S0016793212060114.
8. Tebabal A., Radicella S. M., Nigussie M., Damtie B., Nava B., Yizengaw E. Local TEC modelling and forecasting using neural networks, J. Atmos. Sol. Terr. Phys., 2018. vol. 172, pp. 143-151 DOI: 10.1016/j.jastp.2018.03.004.
9. Watthanasangmechai K., Supnithi P., Lerkvaranyu S., Tsugawa T., Nagatsuma T., Maruyama T. TEC prediction with neural network for equatorial latitude station in Thailand, Earth Planets Space, 2012. vol. 64, no. 6, pp. 473-483.
10. Mikhailov A., Morena B., Miro G., Marin D.A method for foF2 monitoring over Spain using the El Arenosillo digisonde current observations, Ann. Geophys., 1999. vol.42, no. 4, pp. 683-689 DOI: 10.4401/ag-3748.
11. Knyazeva M. A., Namgaladze A. A., Beloushko K. E. Field-aligned currents influence on the ionospheric electric fields: modification of the upper atmosphere model, Russ. J. Phys. Chem., 2015. vol.9, no. 5, pp. 758-763 DOI: 10.1134/ S1990793115050206.
12. Shubin V. N., Karpachev A. T., Telegin V. A., Tchybulya K. G. Global model SMF2 of the F2-layer maximum height, Geomagn. Aeron. ,2015. vol.55, no. 5, pp. 609-622 DOI: 10.1134/S001679321505014X.
13. Mandrikova O. V., Fetisova N. V., Polozov Y. A., Solovev I. S., Kupriyanov M. S. Method for modeling of the components of ionospheric parameter time variations and detection of anomalies in the ionosphere, Earth Planets Space, 2015. vol.67, no. 1, pp. 131-146 DOI: 10.1186/s40623-015-0301-4.
14. 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. vol.181, pp. 116-126 DOI: 10.1016/j.jastp.2018.10.019.
15. Mandrikova O., Fetisova N. Modeling and analysis of ionospheric parameters based on multicomponent model, J. Atmos. Solar-Terr. Phys., 2020. vol.208, pp. 105399 DOI: 10.1016/j.jastp.2020.105399.
16. Mandrikova O, Fetisova N, Polozov Y. Hybrid Model for Time Series of Complex Structure with ARIMA Components, Mathematics, 2021. vol.9, no. 10, pp. 1122 DOI: 10.3390/math9101122.
17. Mallat S. A Wavelet Tour of Signal Processing: 3rd ed.. London: Academic Press, 1999.637 c.
18. Box G., Jenkins G. Time Series Analysis: Forecasting and Control. San Francisco: Holden Day, 1970.537 c.
19. Buresova D., Lastovicka J.Pre-storm electron density enhancements at middle latitudes, J. Atmos. Sol. Terr. Phys., 2008. vol.70, pp. 1848-1855 DOI: 10.1016/j.jastp.2008.01.014.
20. Loewe C., Prolss G. Classification and mean behavior of magnetic storms, J. Geophys. Res.,1997. vol. A102, pp. 14209-14213 DOI: 10.1029/96JA04020.
21. Abdu M. A. Major phenomena of the equatorial ionosphere-thermosphere system under disturbed conditions, J. Atmos. Sol. Terr. Phys., 1997. vol.59, pp. 1505-1519 DOI: 10.1016/S1364-6826(96)00152-6.
22. Blagoveshchensky D. V., Kalishin A. S. Increase in the critical frequency of the ionospheric F region prior to the substorm expansion phase, Geomagn. Aeron.,2009. vol.49, pp. 200-209 DOI: 10.1134/S0016793209020091.
23. Danilov A. D., Konstantinova A. V. Ionospheric precursors of geomagnetic storms. 1. A review of the problem, Geomagn. Aeron, 2019. vol.59, no. 5, pp. 554-566 DOI: 10.1134/S0016793219050025.
24. Konstantinova A. V., Danilov A. D. Ionospheric precursors of magnetic storms. 2. Analysis of Slough station data, Geomagn. Aeron, 2020. vol.60, pp. 311-317 DOI: 10.1134/S001679322003010X.
Vestnik KRAUNC. Fiz.-Mat. Nauki. 2022. vol. 41. no. 4. pp. 89-106. ISSN 2079-6641
MSC 41A99 Research Article
Modeling and analysis of ionospheric parameters based on generalized multicomponent model
N. V. Fetisova, O. V. Mandrikova
Institute of Cosmophysical Research and Radiowave Propagation FEB RAS, 684034, Kamchatka region, Paratunka, Mirnaya Str.7 E-mail: nv.glushkova@yandex.ru, oksanam1@mail.ru
The results of modeling and analysis of ionospheric parameters during magnetic storms in 2017-2021 are presented. We used the critical frequency variations of the ionospheric F2 layer (foF2) (according to the ionosonde data from Paratunka site, Kamchatka peninsula, IKIR FEB RAS). The modeling was based on a generalized multicomponent model of ionospheric parameters (GMCM) developed by the authors. GMCM allows us to study in detail the dynamics of ionospheric parameters during disturbed periods. The GMCM identification is based on the combination of wavelet transform and autoregressive models (ARIMA models). The model describes three classes of anomalies characterizing strong (class 3), moderate (class 2) and weak (class 1) ionospheric disturbances. The ionospheric parameter dynamics was studied with respect to the strength of a geomagnetic disturbance (weak, moderate and strong intensity events were considered). On the basis of the modeling, we detected ionospheric anomalies of various intensity and duration. On the eve of moderate and strong magnetic storms, the fact of a high frequency of the pre-increase effect in the ionosphere was noted. It has an important applied significance.
Key words: ionospheric disturbances, wavelet-transform, autoregressive model.
d DOI: 10.26117/2079-6641-2022-41-4-89-106
Original article submitted: 02.12.2022 Revision submitted: 06.12.2022
For citation. Fetisova N. V., Mandrikova O. V. Modeling and analysis of ionospheric parameters based on generalized multicomponent model. Vestnik KRAUNC. Fiz.-mat. nauki. 2022,41: 4,89-106. d DOI: 10.26117/2079-6641-2022-41-4-89-106
Competing interests. The authors declare that there are no conflicts of interest regarding authorship and publication.
Contribution and Responsibility. All authors contributed to this article. Authors are solely responsible for providing the final version of the article in print. The final version of the manuscript was approved by all authors.
The content is published under the terms of the Creative Commons Attribution 4.0 International License (https://creativecommons.org/licenses/by/4.0/deed.ru)
© Fetisova N.V., Mandrikova O.V., 2022
Funding. The work was carried out according to the Subject AAAA-A21-121011290003-0 "Physical processes in the system of near space and geospheres under solar and litospheric influences" IKIR FEB RAS.
References
[1] Afraymovich E., Perevalova N. GPS-monitoring Verhnej Atmosfery Zemli [GPS Monitoring of the Earth's Upper Atmosphere]. Irkutsk, GU NU RVKh VSNTs SO RAMN, 2006, 480 (In Russian).
[2] Danilov A. D. F-2 region response to geomagnetic disturbances, Journal of Atmospheric and Solar-Terrestrial Physicsi, 2001, 63, 441-449.
[3] Danilov A. D. Ionospheric F-region response to geomagnetic disturbances, Adv. Space Res., 2013, 52:3, 343-366.
[4] 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, 56, 391-406.
[5] Chernogor L. F., Rozumenko V. T. Earth - atmosphere - geospace as an open nonlinear dynamical system, Radio Phys. Radio Astron., 2008, 13:2, 120-137.
[6] Bilitza D., Reinisch B. International reference ionosphere 2007: improvements and new parameters, Adv. Space Res., 2008, 42:4, 599-609. DOI: 10.1016/j.asr.2007.07.048.
[7] Solomentsev D. V., Titov A. A., Khattatov B. V. Three-dimensional assimilation model of the ionosphere for the European region, Geomagn. Aeron., 2013, 53:1, 73-84. DOI: 10.1134/S0016793212060114.
[8] Tebabal A., Radicella S. M., Nigussie M., Damtie B., Nava B., Yizengaw E. Local TEC modelling and forecasting using neural networks, J. Atmos. Sol. Terr. Phys., 2018, 172, pp. 143-151. DOI: 10.1016/j.jastp.2018.03.004.
[9] Watthanasangmechai K., Supnithi P., Lerkvaranyu S., Tsugawa T., Nagatsuma T., Maruyama T. TEC prediction with neural network for equatorial latitude station in Thailand, Earth Planets Space, 2012, 64:6, 473-483.
[10] Mikhailov A., Morena B., Miro G., Marin D. A method for foF2 monitoring over Spain using the El Arenosillo digisonde current observations, Ann. Geophys., 1999, 42:4, 683—689. DOI: 10.4401/ag-3748.
[11] Knyazeva M. A., Namgaladze A. A., Beloushko K. E. Field-aligned currents influence on the ionospheric electric fields: modification of the upper atmosphere model, Russ. J. Phys. Chem., 2015, 9:5, 758—763. DOI: 10.1134/ S1990793115050206.
[12] Shubin V. N., Karpachev A. T., Telegin V. A., Tchybulya K. G. Global model SMF2 of the F2-layer maximum height, Geomagn. Aeron., 2015, 55:5, 609—622. DOI: 10.1134/S001679321505014X.
[13] Mandrikova O. V., Fetisova N. V., Polozov Y. A., Solovev I. S., Kupriyanov M. S. Method for modeling of the components of ionospheric parameter time variations and detection of anomalies in the ionosphere, Earth Planets Space, 2015, 67:1, 131—146. DOI: 10.1186/s40623-015-0301-4.
[14] 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, 181, 116-126. DOI: 10.1016/j.jastp.2018.10.019.
[15] Mandrikova O., Fetisova N. Modeling and analysis of ionospheric parameters based on multicomponent model, J. Atmos. Solar-Terr. Phys., 2020, 208, 105399. DOI: 10.1016/j.jastp.2020.105399.
[16] Mandrikova O, Fetisova N, Polozov Y. Hybrid Model for Time Series of Complex Structure with ARIMA Components, Mathematics, 2021, 9:10, 1122. DOI: 10.3390/math9101122.
[17] Mallat S. A Wavelet Tour of Signal Processing: 3rd ed. London, Academic Press, 1999, 637.
[18] Box G., Jenkins G. Time Series Analysis: Forecasting and Control. San Francisco, Holden Day, 1970, 537.
[19] Buresova D., Lastovicka J. Pre-storm electron density enhancements at middle latitudes, J. Atmos. Sol. Terr. Phys., 2008, 70, 1848-1855. DOI: 10.1016/j.jastp.2008.01.014.
[20] Loewe C., Prolss G. Classification and mean behavior of magnetic storms, J. Geophys. Res., 1997, A102, 14209-14213. DOI: 10.1029/96JA04020.
[21] Abdu M. A. Major phenomena of the equatorial ionosphere-thermosphere system under disturbed conditions, J. Atmos. Sol. Terr. Phys., 1997, 59, 1505-1519. DOI: 10.1016/S1364-6826(96)00152-6.
[22] Blagoveshchensky D. V., Kalishin A. S. Increase in the critical frequency of the ionospheric F region prior to the substorm expansion phase, Geomagn. Aeron., 2009, 49, 200-209. DOI: 10.1134/S0016793209020091.
[23] Danilov A. D., Konstantinova A. V. Ionospheric precursors of geomagnetic storms.
1. A review of the problem, Geomagn. Aeron., 2019, 59:5, 554-566. DOI: 10.1134/S0016793219050025.
[24] Konstantinova A. V., Danilov A. D. Ionospheric precursors of magnetic storms.
2. Analysis of Slough station data, Geomagn. Aeron., 2020, 60, 311-317. DOI: 10.1134/S001679322003010X.
Fetisova Nadezhda Vladimirovna A - PhD (Tech.), Researcher of System Analysis Laboratory at the Institute of Cosmophysical Research and Radio Wave Propagation FEB RAS, Kamchatka region, Russia, ORCID 0000-0001-5769-4726.
Mandrikova Oksana Viktorovna - D.Sci. (Tech.), Professor, Head of System Analysis Laboratory at the Institute of Cosmophysical Research and Radio Wave Propagation FEB RAS, Kamchatka region,Russia, ORCID 0000-0002-6172-1827.
Фетисова Надежда Владимировна А - кандидат технических наук, научный сотрудник лаборатории системного анализа Института космофизических исследований и распространения радиоволн ДВО РАН, Камчатский край, Россия, СЖСГО 0000-0001-5769-4726.
Мандрикова Оксана Викторовна А - доктор технических наук, профессор, заведующая лабораторией системного анализа Института космофизических исследований и распространения радиоволн ДВО РАН, Камчатский край, Россия, СЖСГО 0000-0002-6172-1827.
