CC BY
1
Вестник КРАУНЦ. Физ.-мат. науки. 2023. Т. 45. №4. C. 95-108. ISSN 2079-6641
ФИЗИКА
d https://doi.org/10.26117/2079-6641-2023-45-4-95-108 Научная статья
Полный текст на русском языке УДК 550.388.2
Реконструкция региональных распределений электронной концентрации в ионосфере по разнородным данным дистанционного зондирования
И. А. Павлов*, А.М. Падохин
Московский государственный университет имени М. В. Ломоносова, физический факультет, кафедра физики атмосферы, Россия, 119991, Москва, Ленинские горы, д. 1, стр. 2.
Аннотация. В работе разработан новый итерационный алгоритм для решения задачи реконструкции региональных, двумерных, высотно-широтных распределений электронной концентрации в ионосфере на основе разнородных данных низкоорбитального спутникового радиопросвечивания на паре когерентных частот VHF/UHF диапазонов и УФ спектрометрии собственного свечения верхней атмосферы на длине волны 135.6 нм. Это дает возможность использовать взаимно дополняющие геометрии зондирования. Каждая итерация алгоритма расщепляется на две, в которых последовательно решаются задачи относительно электронной концентрации (задача радиопросвечивания) и ее квадрата (задача УФ спектрометрии) с диффузионным сглаживанием между шагами. Помимо этого в алгоритме реализована возможность учета поглощения собственного УФ излучения термосферы молекулярным кислородом, что дает возможность включить в рассмотрение низкоперигейные лучи, поглощение на которых играет существенную роль. Разработанный алгоритм протестирован на данных синтетических наблюдений, полученных на основе моделей NRLMSISE00 и NeQuick2, для реальных режимов работы аппаратуры CERTO и SSUSI/SSULI. Показано, что предложенный алгоритм дает лучшее пространственное разрешение по сравнению с традиционным радиотомографическим (РТ) подходом, а также снимает проблему корректного задания начального приближения, характерную для задач РТ ионосферы, за счет присутствия квазигоризонтальных лучей в геометрии зондирования.
Ключевые слова: ионосфера, томография, моделирование. Получение: 01.11.2023; Исправление: 10.12.2023; Принятие: 12.12.2023; Публикация онлайн: 15.12.2023
Для цитирования. Павлов И. А., Падохин А.М. Реконструкция региональных распределений электронной концентрации в ионосфере по разнородным данным дистанционного зондирования // Вестник КРАУНЦ. Физ.-мат. науки. 2023. Т. 45. №4. C. 95-108. EDN: PJWWSZ. https://doi.org/10.26117/2079-6641-2023-45-4-95-108. Финансирование. Работа выполнена при финансовой поддержке РНФ, проект 22-27-00396 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.
* Корреспонденция: А E-mail: theevent1115@gmail.com ф
Контент публикуется на условиях Creative Commons Attribution 4.0 International License © Павлов И. А., Падохин А. М., 2023
© ИКИР ДВО РАН, 2023 (оригинал-макет, дизайн, составление)
Vestnik KRAUNC. Fiz.-Mat. nauki. 2023. vol. 45. no. 4. P. 95-108. ISSN 2079-6641
PHYSICS
" https://doi.org/10.26117/2079-6641-2023-45-4-95-108 Research Article
Full text in Russian MSC 86A25
Reconstruction of Regional Distributions of Electron Density in the Ionosphere from Heterogeneous Remote Sensing Data
I. A. Pavlov*, A.M. Padokhin
Department of Physics of Atmosphere, Faculty of Physics, Lomonosov Moscow State University, Moscow 119991, Russia.
Abstract. A new iterative algorithm has been developed for solving the problem of reconstructing regional distributions of electron density in the ionosphere based on heterogeneous data from low-orbit satellite radio sounding at a pair of coherent frequencies VHF/UHF and UV spectrometry of the upper atmosphere's airglow at 135.6 nm. It allows us to use complementary probing geometries. Each iteration of the algorithm is split into two, in which problems concerning the electron concentration and its square are sequentially solved with diffusion smoothing between steps. In addition, the algorithm implements the possibility of taking into account the absorption of the intrinsic UV radiation of the thermosphere by molecular oxygen, which makes it possible to include low perigee rays, the absorption of which plays a significant role, into consideration. The developed algorithm was tested on synthetic observational data obtained on the basis of the NRLMSISE00 and NeQuick2 models for real operation modes of the CERTO and SSUSI/SSULI equipment. It is shown that the proposed algorithm provides better spatial resolution compared to the traditional RT approach, and also removes the problem of correctly specifying the initial approximation, due to the presence of quasi-horizontal rays in the sounding geometry.
Key words: ionosphere, tomography, modelling.
Received: 01.11.2023; Revised: 10.12.2023; Accepted: 12.12.2023; First online: 15.12.2023
For citation. Pavlov I. A., Padokhin A.M. Reconstruction of regional distributions of electron density in the ionosphere from heterogeneous remote sensing data.. Vestnik KRAUNC. Fiz.-mat. nauki. 2023,45: 4,95-108. EDN: PJWWSZ. https://doi.org/10.26117/2079-6641-2023-45-4-95-108.
Funding. The work is supported by RSF, project 22-27-00396
Competing interests. 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.
* Correspondence: A E-mail: theevent1115@gmail.com ^
The content is published under the terms of the Creative Commons Attribution 4-0 International License © Pavlov I. A., Padokhin A. M., 2023
© Institute of Cosmophysical Research and Radio Wave Propagation, 2023 (original layout, design, compilation)
Введение
Исследования пространственно-временной изменчивости верхней атмосферы, ионосферы и околоземного космического пространства (ОКП) важны не только с точки зрения изучения физики протекающих здесь процессов, но и для различных прикладных задач, связанных с ионосферным распространением радиоволн - загоризонтной радиолокации, КВ связи, спутниковой навигации. На современном этапе развития техники спутникового зондирования возможно получать информацию о верхней атмосфере и ОКП в широком диапазоне положений приемопередающих систем, что позволяет свести широкий класс задач дистанционного зондирования к томографической постановке.
За последние три десятилетия наработан большой опыт решения подобного рода томографических задач и проведения соответствующих экспериментов, прежде всего для зондирования в радио и УФ/оптическом диапазоне [2-4]. Вместе с тем эти данные обычно использовались отдельно друг от друга, в то время как их объединение в рамках единого подхода к томографическому восстановлению параметров среды (ионосферы) могло бы существенно улучшить пространственное разрешение реконструкций за счет использования комплементарных геометрий зондирования - квазивертикальные лучи в случае радиопросвечивания и квазикасательные в случае УФ спектрометрии. Трудностью в реализации подобного подхода является необходимость решения интегральных уравнений относительно электронной концентрации в случае радиопросвечивания и относительно ее квадрата в случае УФ спектрометрии, а также учета поглощения собственного УФ излучения в верхней атмосфере, что переводит рассматриваемую задачу в класс нелинейных.
В связи с этим, целью настоящей работы была разработка метода восстановления региональных, двумерных, широтно-высотных распределений электронной концентрации в ионосфере по данным низкоорбитального спутникового радиопросвечивания и УФ спектрометрии собственного излучения верхней атмосферы и его тестирование с использованием модели атмосферы NRLMSISE00 [5] и ионосферы NeQuick2 [6] для реальных геометрий зондирования и режимов работы спутниковых радиомаяков CERTO [7] и УФ спектрометров SSUSI/SSULI [8]. Результаты работы могут быть в дальнейшем использованы при проектировании перспективных систем дистанционного зондирования ионосферы, а также для ассимиляции данных в ионосферные модели.
Постановка задачи
В настоящей работе мы моделируем задачу реконструкции двумерного высотно-широтного распределения электронной концентрации в ионосфере по данным низкоорбитального спутникового радиопросвечивания и УФ спектрометрии. Эксперименты подобного рода проводятся в частности с использованием американских спутников серии DMSP, несущих среди
прочего оборудования двухчастотные VHF/UHF радиомаяки CERTO, а также УФ спектрометры SSUSI/SSULI. Для простоты при моделировании мы используем среднюю высоту круговой полярной орбиты спутника 850 км и полагаем, что цепочка радиоприемных пунктов располагается вдоль изолинии долготы в плоскости орбиты спутника. Также при моделировании используем реальный диапазон углов и скорость сканирования УФ спектрометра SSULI в плоскости пролета спутника в направлении лимба. Подлежащее реконструкции распределение электронной концентрации в ионосфере задается на основе модели NeQuick2 с дополнительно включенными в нее неоднородностями различных масштабов и локализации. На основе данного распределения и геометрии зондирования генерировались синтетические данные наблюдений: относительное наклонное полное электронное содержание (TEC) вдоль лучей спутник - приемная станция и интенсивность собственного свечения термосферы на длине волны 135.6 нм при сканировании лимба. В последнем случае также учитывалось поглощение УФ излучения в термосфере молекулярным кислородом, распределение которого задавалось на основе модели NRLMSISE00. Полученные таким образом синтетические данные наблюдений использовались для реконструкции исходного модельного распределения, что позволило исследовать точности используемых алгоритмов восстановления.
Рис. 1. Подлежащее реконструкции распределение электронной концентрации в ионосфере и направления УФ зондирования (сверху) и спутникового радиопросвечивания (снизу) [Figure 1. Ionospheric electron density distribution to be reconstructed, UV limb sounding directions (upper pannel) and radiosounding satellite-receiver links (lower pannel)]
На рис. 1 приведено подлежащее реконструкции модельное высотно-широтное распределение электронной концентрации. Отметим, что здесь к фоновой модели NeQuick2 искусственно добавлены две неоднородности: первая на высоких широтах южного полушария расположена на высотах выше максимума ?2 слоя с характерным размером (~ 300 х 1000 км) может грубо задавать плотность плазмы, связанную с потоком убегающих ионов; вторая с параметрами (~ 100 х 100 км) задает типичную среднемасштабную неоднородность ?2 слоя ионосферы. На верхней панели черными линиями представлены направления сканирования расположенных на спутнике УФ спектрометров SSUlI/SSUSI (для удобства показан каждый тринадцатый луч), на нижней панели приведены траектории радиопросвечивания спутник - наземная станция (для удобства также показан каждый тринадцатый луч) для гипотетической цепочки, состоящей их одиннадцати приемных пунктов, расположенных на расстоянии 1500 километров друг от друга.
Хорошо видно, что геометрии зондирования являются комплементарными, по отдельности обеспечивая хорошее высотное (в случае УФ зондирования) и горизонтальное (в случае радиопросвечивания) разрешения. Очевидным решением является объединение этих данных в рамках единого алгоритма, однако данный шаг вызывает определенные трудности, так как каждая из задач по отдельности может быть сведена к решению системы линейных алгебраических уравнений относительно электронной концентрации в случае радиопросвечивания и ее квадрата в случае УФ зондирования, однако объединенная задача вообще говоря может быть сформулирована только в нелинейном виде и требует специальных методов решения. Остановимся ниже подробнее на постановке каждой из подзадач и предлагаемом в настоящей работе методе решения объединенной задачи.
Задача радиопросвечивания
При спутниковом радиопросвечивании ионосферы используя измерения фаз на двух когерентных частотах, например VHF/UHF диапазонов, как это реализовано в спутниковом радиомаяке CERTO, можно оценить наклонное полное электронное содержание ТЕСк вдоль луча 1к, соединяющего спутник и наземную приемную станцию. Имея систему лучей 1к, пересекающих область реконструкции, как это показано на рисунке 1 (снизу), можно ставить задачу о восстановлении распределения электронной концентрации ^(г) в области реконструкции [1]:
^(г)а1к = ТЕС к. (1)
Лк
Систему уравнений интегральных уравнений (1) имеет смысл решать в дискретном виде. Представив неизвестное распределение электронной концентрации ^(г) в виде вектора столбца с элементами представляющими значения электронной концентрации на регулярной высотно-широтной сетке (в работе использован шаг по высоте 15 км, по широте 50 км) и используя
билинейную интерполяцию между узлами сетки, систему уравнений (1) можно легко свести к системе линейных алгебраических уравнений (СЛАУ):
относительно вектора-столбца x содержащего неизвестные значения электронной концентрации в узлах сетки. Матрица A при этом определяется исключительно геометрией задачи, а правая часть y содержит определяемые в эксперименте значения наклонного TEC по системе лучей lk. Для решения задач такого типа разработано много удобных методов, прежде всего итерационных [1], о которых речь пойдет в следующих разделах.
Задача УФ зондирования
Немного сложнее обстоит дело с задачей восстановления распределения электронной концентрации в ионосфере по данным собственного УФ свечения термосферы [9-11]. В качестве исходных данных обычно используют интенсивности собственного свечения термосферы на ряде длин волн УФ диапазона. В данной работе рассматривается излучение на длине волны 135.6 нм, вызываемое переходом атомарного кислорода из возбужденного состояния 5S2 в основное состояние 3P. За образование возбужденного состояния 0(5S2) в термосфере отвечают реакции излучающей рекомбинации и нейтрализации [11]. Принимая во внимание скорости реакций, характерные значения концентраций электронов, ионов и атомов кислорода на ионосферных высотах, в приближении квазинейтральной плазмы в первом приближении можно считать, что скорость объемной эмиссии е на длине волны 135.6 нм пропорциональна квадрату электронной концентрации [11]:
Интенсивность собственного свечения термосферы 1к измеряемая УФ спектрометрами SSUSI/SSULI на спутнике в направлении 1к определяется уравнением переноса излучения в интегральной форме:
где второй множитель под интегралом определяет термосферное поглощение собственного УФ излучения. Для рассматриваемой нами длины волны оно в основном определяется поглощением молекулярного кислорода в континууме Шумана-Рунге и резонансным рассеянием на атомарном кислороде. В данной работе рассматривается только вклад поглощения 02 в ослабление, поэтому р в (4) можно представить в виде:
А-х = у
(2)
£ - [e-][O+] - Ne.
(3)
(4)
Р = a[O2],
(5)
где а = 7.3 ■ Ю-18 cm2 есть сечение поглощения O2 для излучения на длине волны 135,6 нм, а распределение концентрации O2 взято из модели NRLMSISE-00.
Объединяя уравнения (3)-(5) и используя аналогичный предыдущему параграфу подход к дискретизации задачи можно свести систему интегральных уравнений (4) к СЛАУ вида (2). Отличие состоит в том, что теперь вектор-столбец неизвестных x будет состоять из квадратов электронной плотности в узлах сетки разбиения, а матрица A будет описывать не только геометрические особенности задачи, т.е. систему направлений зондирования, представленную на рисунке 1 снизу, но и физические свойства задачи - поглощение молекулярным кислородом собственного УФ излучения термосферы вдоль данных направлений lk. Отметим также, что данные о поглощении должны быть получены независимым образом. В отдельности, полученную СЛАУ можно решать теми же методами,что и СЛАУ, полученную для случая радиопросвечивания, описанного выше. В следующем разделе рассмотрим используемый в настоящей работе итерационный алгоритм ART для решения СЛАУ.
Алгоритм ART для решения СЛАУ
Среди большого числа методов решения СЛАУ в томографических задачах, подобных описанным выше, хорошо зарекомендовали себя итерационные алгоритмы [1]. Наиболее часто используемым итерационным алгоритмом является алгоритм алгебраической реконструкции ART [12]. Идея алгоритма заключается в том, чтобы последовательно перебирать уравнения системы (2) и для каждого из них минимизировать невязку ||Аь -х — УкН2 путем добавления к вектору решения добавочного вектора, пропорционального строке матрицы системы, задающей данное уравнение. Приближенное решение на следующем шаге итераций xm+1 находится из решения на текущем шаге xm по следующей формуле:
xm+' =х m + У k —— (6)
где (с, d) - скалярное произведение векторов с, d и подразумевается суммирование по индексу k, задающему номер уравнения в системе (2).
Следует отметить важность выбора начального приближения x0, так как в случае не единственности решения, что типично для задач малоракурсной томографии рассматриваемых нами, алгоритм ART сходится к решению с минимальной нормой отклонения от начального приближения.
Продемонстрируем это приведя по отдельности результаты реконструкции модельного распределения электронной концентрации с рис.1 методами УФ зондирования и радиопросвечивания, использующими геометрии зондирования, приведенные на верхней и нижней панелях рис. 1 соответственно. В обоих случаях использовался метод ART с нулевым начальным приближением.
Результаты реконструкций приведены на рис.2.
Рис. 2. Восстановленное модельное распределение электронной концентрации для
задачи УФ зондирования (сверху) и радиопросвечивания (снизу) [Figure 2. Reconstructed electron density distribution for UV sounding (upper pannel) and radiosounding (lower pannel)]
Хорошо видно, что квазивертикальная геометрия зондирования в случае радиопросвечивания не позволяет адекватно восстановить высотное распределение электронной концентрации, чего можно достичь с использованием квазигоризонтальных лучей в задаче УФ зондирования. В свою очередь квазигоризонтальные лучи в задаче УФ зондирования не позволяют восстановить ориентацию дополнительной неоднородности в южном полушарии. Это говорит о том, что необходимо объединить данные различных типов в едином алгоритме реконструкции.
Другой удобной особенностью итерационных алгоритмов, и алгоритма ART в частности, является возможность контролировать решение на каждой итерации и накладывать на него определенные условия. Так в рассматриваемой нами задаче оказывается удобным контролировать условие неотрицательности электронной концентрации зануляя все отрицательные элементы вектора-столбца решения хт на каждом шаге итераций. Еще одна удобная возможность при использовании итерационных алгоритмов — введение в постановку задачи весовых коэффициентов, позволяющих скорректировать высотный профиль восстанавливаемой величины [4]. Использование малых значений весов позволяет подавить «артефакты» решения в тех областях, где решение заведомо должно быть мало. В то же время в тех областях, где могут содержаться важные реконструируемые структуры, веса должны быть близки к единице, чтобы не вносить искажений в реконструкцию.
Для обеспечения устойчивости решения за счет его регуляризации в итерационных алгоритмах можно использовать процедуру межитерационного сглаживания решения для подавления артефактов в большом количестве присутствующих например на рисунке 2. Для задач восстановления электронной концентрации один из вариантов реализации межитерационного сглаживания предложен в работе [2], где полагается что распределение электронной плотности на средних и крупных масштабах должно в первом приближении удовлетворять стационарному уравнению диффузии О(Д^) = 0, где Э - коэффициент изотропной диффузии, который может быть подобран оптимальным образом. Тогда регуляризация заключается в межитерационном сглаживании решения фильтром, построенным в виде разностного аналога оператора Лапласа с весами Э. Данный физический подход к регуляризации решения мы используем и в настоящей работе.
Общая схема решения
Использовать рассмотренные выше два типа данных для улучшения геометрии задачи можно различными способами. Одним из них является нелинейный метод наименьших квадратов. Однако в нашей работе, чтобы сохранить преимущества использования итерационных методов решения СЛАУ, был предложен альтернативный подход, заключающийся в чередовании итераций для задач радиопросфечивания и УФ зондирования с регуляризирующим межитерационным сглаживанием дискретным аналогом оператора Лапласа. Исходя из рисунка 2 очевидно, что начинать итерационный процесс лучше с решения задачи УФ зондирования, так как эти данные позволяют восстанавливать высотную структуру ионосферы даже при нулевом начальном приближении. Это позволяет избежать обычных для задач радиотомографии ионосферы с наземным приемом проблем с выбором начального приближения. Полученное на первом шаге приближенное решение задачи УФ - зондирования - значения квадрата электронной плотности в узлах сетки позволяет получить непосредственно распределение электронной концентрации, которое подвергается регуляризирующему сглаживанию, становясь после этого начальным приближением для итераций задачи радиопросвечивания. В свою очередь приближенное решение задачи радиопросвечивания сглаживается, возводится в квадрат и становится новым начальным приближением для итераций задачи УФ зондирования. Такой цикл повторяется 5 раз, по 3 итерации для каждой из задач, всего производя 30 итераций или до достижения наперед заданной точности.
Полученные результаты
Обратимся к результатам моделирования восстановления высотно-широтного распределения электронной концентрации, представленного на рис.1, при совместном использовании данных УФ зондирования и радиопросвечивания,
полученным предложенным в работе итерационным методом. Рассматривалось различное число и расположение наземных приемных пунктов и их влияние на результаты реконструкций. Проанализировано влияние параметра межитерационного сглаживания Э для случаев отсутствия, слабого и сильного сглаживания на результаты восстановления.
NO SMOOTHING
Рис. 3. Восстановленное распределение электронной концентрации (сверху) без межитерационного сглаживания и относительная ошибка реконструкции (снизу) для двух вариантов расположения наземных приемников: слева -каждые 500 км, справа - каждые 1500 км. [Figure 3. Reconstructed without smoothing electron density distribution (upper pannel) and relative reconstruction error (lower pannel) for two ground-based receivers configurations - every 500 km (left), and every 1500 km (right).]
На рис. 3-5 приведены примеры получаемых реконструкций для случаев отсутствия, слабого и сильного межитерационного сглаживания, соответственно. Левые панели соответствуют конфигурации - 11 наземных приемников каждые 1500 км, правые панели конфигурации - 31 приемник каждые 500 км. Нижние панели показывают относительные ошибки реконструкции. Хорошо видно, что во всех трех случаях восстанавливаются основные морфологические особенности заданного модельного распределения - высотный ход электронной концентрации, широтный градиент, оба гребня экваториальной аномалии и две дополнительно введенные в модель неоднородности. При этом минимальные относительные ошибки реконструкции наблюдаются в области F2. Количество наземных приемников влияет на горизонтальное разрешение полученных реконструкций, что наиболее заметно по ошибкам восстановления дополнительной среднемасштабной неоднородности в северном полушарии. Отметим, что на всех трех вариантах реконструкций присутствуют артефакты, повторяющие геометрию лучей, вдоль которых происходит зондирование.
При этом в зачастую интересующей нас F2 области ионосферы они оказываются в значительной степени подавлены за счет применения регуляризации, реализованной в виде диффузионного сглаживания.
WEAK SMOOTHING
Latitude, ° Latitude, °
Рис. 4. Восстановленное распределение электронной концентрации (сверху) при слабом межитерационном сглаживании и относительная ошибка реконструкции (снизу) для двух вариантов расположения наземных приемников: слева - каждые 500 км, справа - каждые 1500 км. [Figure 4. Reconstructed with weak smoothing electron density distribution (upper pannel) and relative reconstruction error (lower pannel) for two ground-based receivers configurations - every 500 km (left), and every 1500 km (right).]
Вместе с тем сохраняется значительное количество артефактов в областях выше и ниже слоя Р2. Это может быть отчасти связано с не вполне корректным учетом поглощения собственного УФ излучения в термосфере, т.к. такие артефакты лучей сильнее проявляются для направлений УФ зондирования и образуют характерные периодические структуры. Этот результат согласуется с полученным в работе [2].
Отметим, что результаты, представленные на рис. 3-5 предполагают возможные направления улучшения представленного в работе итерационного алгоритма. Прежде всего это связано с более эффективным подавлением артефактов решения, что может быть реализовано за счет корректного учета поглощения на низкоперигейных лучах в задаче УФ зондирования, а также за счет оптимального выбора коэффициента диффузии Э, используемого в процедуре межитерационного сглаживания решения. Во-первых он может быть согласован с высотной областью, что приведет к различному сглаживанию в разных слоях ионосферы.
Во-вторых пространственный масштаб межитерационного сглаживания может меняться, например уменьшаться, с ростом номера итерации, что позволит на ранних итерациях восстанавливать фоновую ионосферу и крупномасштабные структуры, а на поздних уточнять реконструкцию за счет восстановления неоднородностей средних и мелких масштабов. В данном направлении авторы планируют продолжить развитие предложенного подхода.
SIGNIFICANT SMOOTHING
Latitude, ° Latitude, °
Рис. 5. Восстановленное распределение электронной концентрации (сверху) при сильном межитерационном сглаживании и относительная ошибка реконструкции (снизу) для двух вариантов расположения наземных приемников: слева - каждые 500 км, справа - каждые 1500 км. [Figure 5. Reconstructed with significant smoothing electron density distribution (upper pannel) and relative reconstruction error (lower pannel) for two ground-based receivers configurations - every 500 km (left), and every 1500 km (right).]
Заключение
В заключение приведем основные результаты работы. Предложен новый итерационный алгоритм реконструкции двумерного высотно-широтного сечения электронной концентрации в ионосфере по данным низкоорбитального спутникового радиопросвечивания на паре когерентных частот VHF/UHF диапазонов и сканирующей спектрометрии собственного УФ излучения верхней атмосферы на длине волны 135.6 нм. Предложенный алгоритм позволяет использовать преимущества различных геометрий зондирования, что обеспечивает лучшее пространственное разрешение получаемых реконструкций. Новый алгоритм протестирован на реалистичных моделях атмосферы/ионосферы NeQuick2 и NRLMSISE00 для реальных геометрий проведения экспериментов на низкоорбитальных спутниках. Результаты работы могут быть в дальнейшем использованы при проектировании перспективных систем дистанционного зондирования ионосферы, а также для ассимиляции данных в ионосферные модели.
Список литературы
1. Куницын В. Е., Терещенко Е. Д., Андреева Е. С. Радиотомография ионосферы, 2007.
2. Dymond K. F., Budzien S. A., Hei M. A. Ionospheric-thermospheric UV tomography: 1. Image space reconstruction algorithms, Radio Science, 2017. vol.52, no.3, pp. 338-356.
3. Hei M. A. et al. Ionospheric-thermospheric UV tomography: 3. A multisensor technique for creating full-orbit reconstructions of atmospheric UV emission, Radio Science, 2017. vol. 52, no. 7, pp. 896-916.
4. Нестеров И. А. и др. Моделирование задачи низкоорбитальной спутниковой УФ-томографии ионосферы, Вестник Московского университета. Серия 3. Физика. Астрономия, 2016. №3, С. 90-99.
5. Picone J. M. et al. NRLMSISE-00 empirical model of the atmosphere: Statistical comparisons and scientific issues, Journal of Geophysical Research: Space Physics, 2002. vol. 107, no. A12, pp. SIA 15-1-SIA 15-16..
6. Nava B., Coisson P., Radicella S. M. A new version of the NeQuick ionosphere electron density model Journal of atmospheric and solar-terrestrial physics, 2008. vol. 70, no. 15, pp. 1856-1862.
7. Bernhardt P. A., Siefring C. L. New satellite-based systems for ionospheric tomography and scintillation region imaging, Radio science, 2006. vol.41, no. 05, pp. 1-14..
8. Dymond K. F. et al. The special sensor ultraviolet limb imager instruments, Journal of Geophysical Research: Space Physics, 2017. vol. 122, no. 2, pp. 2674-2685.
9. Tinsley B. A., Bittencourt J. A. Determination of F region height and peak electron density at night using airglow emissions from atomic oxygen, Journal of Geophysical Research, 1975. vol. 80, no. 16, pp. 2333-2337.
10. Dymond K. F. et al. An optical remote sensing technique for determining nighttime F region electron density, Radio Science, 1997. vol. 32, no. 5, pp. 1985-1996.
11. Qin J. et al. Radiative transfer modeling of the OI 135.6 nm emission in the nighttime ionosphere, Journal of Geophysical Research: Space Physics, 2015. vol. 120, no. 11, pp. 10116-10135.
12. Gordon R., Bender R., Herman G.T., Algebraic Reconstruction Techniques (ART) for three-dimensional electron microscopy and X-ray photography, Journal of Theoretical Biology, 1970, pp. 471-481.
Информация об авторах
Павлов Илья Александрович - аспирант кафедры физики атмосферы Физического факультета МГУ, Москва, Россия, € СЖСГО 0009-0002-3330-8880.
Падохин Артем МихайловичА - кандидат физико-математических наук, доцент кафедры физики атмосферы Физического факультета МГУ, Москва, Россия, € СЖСГО 0000-0002-0190-2140.
References
[1] Kunitsyn V. E., Tereshchenko E. D., Andreeva E. S. Radiotomography of the Ionosphere (In Russian).
[2] Dymond K. F., Budzien S. A., Hei M. A. Ionospheric-thermospheric UV tomography: 1. Image space reconstruction algorithms. Radio Science. 2017. vol. 52. no. 3. pp. 338-356.
[3] Hei M. A. et al. Ionospheric-thermospheric UV tomography: 3. A multisensor technique for creating full-orbit reconstructions of atmospheric UV emission. Radio Science. 2017. vol. 52. no. 7. pp. 896-916.
[4] Nesterov I. A. et al. Modeling the problem of low-orbital satellite UV-tomography of the ionosphere. Moscow University Physics Bulletin. 2016. vol. 71. pp. 329-338.
[5] Picone J. M. et al. NRLMSISE-00 empirical model of the atmosphere: Statistical comparisons and scientific issues. Journal of Geophysical Research: Space Physics. 2002. vol. 107. no. A12. SIA 15-1-SIA 15-16.
[6] Nava B., Coisson P., Radicella S. M. A new version of the NeQuick ionosphere electron density model. Journal of atmospheric and solar-terrestrial physics. 2008. vol. 70. no. 15. pp. 1856-1862.
[7] Bernhardt P. A., Siefring C. L. New satellite-based systems for ionospheric tomography and scintillation region imaging. Radio science. 2006. vol. 41. no. 5. pp. 1-14.
[8] Dymond K. F. et al. The special sensor ultraviolet limb imager instruments. Journal of Geophysical Research: Space Physics. 2017. vol. 122. no. 2. pp. 2674-2685.
[9] Tinsley B. A., Bittencourt J. A. Determination of F region height and peak electron density at night using airglow emissions from atomic oxygen. Journal of Geophysical Research. 1975. vol. 80. no. 16. pp. 2333-2337.
[10] Dymond K. F. et al. An optical remote sensing technique for determining nighttime F region electron density. Radio Science. 1997. vol. 32. no. 5. pp. 1985-1996.
[11] Qin J. et al. Radiative transfer modeling of the OI 135.6 nm emission in the nighttime ionosphere. Journal of Geophysical Research: Space Physics. 2015. vol. 120. no. 11. p. 10116-10135.
[12] Richard Gordon, Robert Bender, Gabor T. Herman, Algebraic Reconstruction Techniques (ART) for three-dimensional electron microscopy and X-ray photography, Journal of Theoretical Biology, 1970. p. 471-481
Information about authors
Pavlov Ilia Aleksandrovich - Postgraduate student, Department of Atmospheric Physics, Faculty of Physics, Moscow State University, Moscow, Russia, ORCID 0009-0002-3330-8880.
Padokhin Artem Mikhailovichfa - PhD. (Phys. & Math.),
Associate Professor, Department of Atmospheric Physics,
Faculty of Physics, Moscow State University, Moscow, Russia, ORCID 0000-0002-0190-2140.
