NRLMSISE-00大气模型与GRACE和CHAMP卫星大气密度数据的对比分析

利用GRACE(Gravity Recovery And Climate Experiment)和CHAMP(Challenging Mini-Satellite Payload)卫星2002-2008年的大气密度数据与NRLMSISE-00大气模型密度结果进行比较,分析了模型密度误差及其特点.结果显示,NRLMSISE-00大气模型计算的密度值普遍偏大,其相对误差随经纬度变化,在高纬度相对较小;相对误差随地方时变化,在02:00LT和15:00LT左右较大,10:00LT和20:00LT左右较小.通过模型密度相对误差与太阳F_10.7指数的对比分析发现,在太阳活动低年模型相对误差最大,而在太阳活动高年相对误差较小;将模型结果分别与GRACEA/B双星和CHAMP卫星的密度数据进行比较,发现对于轨道高度更高的GRACE卫星轨道,模型相对误差更大;在地磁平静期,相对误差与地磁ap指数(当前3h)相关性不强,但是在大磁暴发生时,误差急剧增大.      

利用卫星两行轨道根数反演热层密度

两行轨道根数（TLEs）是基于一般摄动理论产生的用于预报地球轨道飞行器位置和速度的一组轨道参数,通过求解大气阻力微分方程,可反演出热层大气密度. 本文选取近圆轨道CHAMP卫星和椭圆轨道Explorer8卫星,以两行轨道根数数据为基础,计算反弹道系数,并根据不同轨道特征采用两种不同反演方法对热层大气密度进行研究. 结果表明,这两种方法反演得到的大气密度与实测值均符合较好,其中CHAMP卫星的反演结果和经验模式值相对于实测值的误差分别为7.94%和13.94%,Explorer8卫星的误差分别为9.04%和14.32%. 相比模式值,利用两行轨道根数数据反演的热层大气密度更接近于实测值,说明该方法可以作为获取大量可靠大气密度数据的一种有效途径.      

利用二维核回归估计的大气密度模式修正

传统经验大气密度模式预测大气密度存在的较大误差会引起低轨卫星轨道预报误差,对卫星的再入轨、控制计划、碰撞规避及精密定轨造成不利影响.利用天宫一号卫星探测数据,针对大气NRLMSISE-00模式计算的误差特点,在地磁相对平静(Ap ≤ 30)的时间段内,对相近地方时和纬度的模式误差分布进行分析发现,相近地方时和纬度的模式误差分布基本相同.利用二维核回归估计方法,对与预测点相近地方时和纬度的样本误差进行加权,估计预测点处的模式误差,进而按距离预测日期天数的长短,采用加权修正法对模式预测结果进行修正,修正后大气模式误差的均方差(RMS)由14.09%降至4.05%.研究结果表明,该修正方法可以显著提高大气密度预报精度.      

太阳周期活动对低高度内辐射带高能质子的影响

利用NOAA-15卫星1998年到2011年近13年的高能质子全向通量观测资料, 分析了一个太阳活动周内, 低高度内辐射带高能质子通量的分布变化特性及其物理原因, 比较了观测结果与AP8模型的不同. 研究表明, 低高度内辐射带高能质子通量与太阳活动水平的反相关关系与磁壳参数L值及磁场B值有关; L值越低, B值越大的空间点, 其高能质子通量与太阳活动水平的反向相关性越明显. 高能质子通量随太阳活动水平的变化存在明显滞后现象, L值越高、 B值越小的空间点, 滞后现象就越明显, 滞后严重时可以达到一年左右的时间; 这种滞后现象反映出低高度内辐射带高能质子的源与损失达到平衡是一个中长期过程. 通过与AP8模型计算结果的比较分析可以看出, 利用AP8模型时, 仅考虑地磁场长期变化对质子通量的影响可能会夸大低高度内辐射带局部高能质子通量的增强.      

大气阻力参数修正对低轨空间目标轨道预报精度的改进

对于低轨空间目标, 大气阻力是影响轨道预报精度的主要摄动力. 本文提出了一种 基于空间环境数据和神经网络模型的空间目标大气阻力参数修正方法, 基于目 标的历史两行元根数, 通过模拟得到外推一天轨道预报中预报结果与观测数据 符合最好的阻力调制系数, 分析表明其与太阳F_10.7指数和地磁Ap指数具有很好的相关性. 根据已有数据, 构建神经网络模型, 实现对阻力调制系数 的补偿计算, 从而改进低轨目标外推一天的轨道预报. 结果表明, 神经网络模 型相比两行元根数能够更及时地对空间环境变化进行响应. 将该方案应用于天 宫一号和国际空间站的外推一天轨道预报, 验证了方案的正确性和普适性, 对 地磁扰动引起的较大预报误差改进效果更好, 误差能够降低50%~60%; 平均而言, 预报精度可以提高约30%, 改进成功率达到80%左右.      

基于经验加速度的低轨卫星轨道预报新方法

研究将定轨过程中的经验加速度应用于地球低轨卫星轨道预报的新方法. 利用GPS伪距观测数据和简化动力学最小二乘批处理方法对地球低轨卫星定 轨, 其中卫星位置、速度及大气阻力系数和辐射光压系数可以直接用于轨道预报. 作为简化动力学最重要特征的经验加速度呈现准周期、余弦曲线特点, 可通过 傅里叶级数拟合建模. 确定性动力学模型与补偿大气阻力模型误差的切向经验 加速度级数拟合模型组成增强型动力学模型用于提高轨道预报精度. 应用 GRACE-A星载GPS伪距观测数据和IGS超快星历定轨并进行轨道预报, 结果表明 轨道预报初值位置精度达到0.2m, 速度精度达到1×10-4m·s-1, 预报3天位置精度优于60m, 比只利用确定性动力学模型进行预报精度平 均提高2.3倍. 先定轨后预报的模式可用在星上自主精确导航系统中.      

中轨道Walker导航星座在轨备份方案优化设计

针对中轨道Walker导航星座在轨备份方案的优化问题,首先提出了在轨备份星轨位优化设计方法,考虑星座运行期间在轨备份星与工作卫星存在共同提供服务的情况,选取PDOP值和可见卫星数作为轨位优化指标,建立了轨位优化模型,并基于NSGA-Ⅱ算法对不同轨位下在轨备份星对导航星座服务性能的提升效果进行仿真分析;然后,基于在轨备份星轨位的优化结果,建立在轨备份星替换的轨道机动模型,并综合考虑速度增量和替换时间,确定了以替换时间最少为优化目标的在轨备份星替换方案。结果表明,提出的在轨备份方案能有效满足备份星的设计需求,增强导航星座的服务性能,实现故障卫星的快速替换,可为导航星座备份星的建设提供借鉴。     

一种基于温度参数的热层密度修正方法

热层大气的阻力效应是影响低轨航天器大量空间操作的重要因素, 尤其是经验密度模式, 其固有的至少15%的内符合误差已严重制约航天器轨道计算精度的提高. 针对广泛应用的经验密度模式, 选择物理背景简明、关联参数较少的JACCHIA71模式, 以地磁平静条件下的全球散逸层顶温度最小值T_c及125 km高度拐点温度T_x为对象, 建立密度相对于上述温度参数的条件方程, 推导密度相对于温度参数的解析偏导数, 并给出其最小二乘解. 同时, 利用CHAMP卫星数据对模式进行修正, 模式平均误差从40%降低至3%左右. 通过TG01飞行器的轨道预报比较, 修正前后轨道预报位置精度从2 km提升至1 km左右. 经过CHAMP卫星和TG01飞行器的实测数据检验, 验证了修正算法的正确性和有效性.      

气球卫星1990—81B和1990－81C的轨道变化和高层大气密度的测定

本文测定给出我国首次发射的专用于高层大气探测的两颗气球卫星DQ-1A(1990-81B)和DQ-1B(1990-81C)整个寿命期间的轨道变化,以及利用轨道衰变率,采用适合气球卫星近国轨道反测密度的一种方法,获得500-900km高度范围内太阳峰年期间的高层大气密度及其变化。结果表明,同时发射的两颗面积质量比不同的气球卫星所测定的高层大气密度及其变化非常一致,且明显地显示密度随太阳活动逐日的和27天周期性的变化。本文将密度测定结果与高层大气模型进行了比较和分析。      

大气密度模型球谐修正研究

大气模型修正是提高模型精度的一种重要方法.利用CHAMP卫星高精度加速仪反演的密度数据,采用球谐函数的形式对NRLMSISE-00模型进行修正.为了消除轨道高度变化对密度修正结果的影响,将密度数据同化到同一高度处,计算修正之后的密度误差,进而对未来三天的密度进行预报.结果表明,经球谐修正后,修正误差和预报误差均有显著降低.在太阳活动高年,修正误差可降至10%左右,提前1~3天预报精度分别提高31.34%,21.39%和13.75%;太阳低年时修正误差可降至14%左右,提前1~3天预报精度分别提高55.03%,47.79%和43.60%.      

太阳极紫外辐射对热层大气密度的影响

对2001-2021年SOHO卫星的极紫外辐射测量数据,以及CHAMP,GRACE-A和SWARM-C卫星资料推导出的高分辨率大气密度数据进行统计分析,发现大气密度与极紫外测量值的相关系数大于密度与F10.7指数的相关系数,证实极紫外辐射在不同地方时的影响程度存在显著差异,从而驱动大气密度的周日变化。利用三颗卫星的高度差异揭示极紫外辐射对大气密度的加热效应在350～500 km范围随着高度增加而减弱。统计得到极紫外辐射影响在地方时和纬度上的空间差异：对夏季半球的影响大于冬季半球;在白天,对中纬度地区的影响高于赤道和高纬度地区;在夜间,密度对辐射的斜率在夏季半球高纬度地区存在峰值,在冬季半球中纬度存在谷值,模型DTM2000和NRLMSISE00未能准确刻画。为了改进经验模型,提出基于球谐函数的拟合方法,优于主流模型周日效应采用的表达式,对周日效应建模和修正提供有益借鉴。利用昼夜间能量传输和热层大气经向环流机制探讨了统计结果的物理机制。     

Periodic Variations of Drag Coefficient for the ANDE Spherical Satellites During its Lifetime

A drag coefficient (C_D) inversion method is introduced to study the variations of the drag coefficient for orbital satellites with spherical geometry. Drag coefficients of the four micro satellites in the Atmospheric Neutral Density Experiment (ANDE) are compiled out with this new method. The Lomb-Scargle Periodgram (LSP) analysis of the four ANDE satellites' C_D series has shown that there are obvious 5, 7, 9, and 27 days' period in those data. Interesting results are found through comparing the LSP analysis with series of the daily solar radio flux at 10.7 cm (F_10.7 index), the Ap index, and the daily averaged solar wind speed at 1AU. All series in the same time interval have an obvious period of about 27 days, which has already been explained as the association with the 27 days' solar rotation. The oscillating periods less than 27 days are found in series of C_D, Ap and solar wind speed at 1AU, e.g., the 5, 7, 9 days period. However, these short periods disappeared in the time series of F_10.7 index. The same periodicities of 5, 7, 9 days in Ap and solar wind are presented at the same time interval during the declining phase of solar cycle 23. While in the ascending phase of solar cycle 24, these short oscillations are not so obvious as that in the declining phase of solar cycle 23. These results provide definite evidence that the C_D variations with period of 5, 7 and 9 days are produced by a combination of space weather effects caused by the solar wind and geomagnetic activity.      

一种NRLMSISE-00模型太阳辐射校正方法

根据空间天气的状态,调整大气模型的相关输入参数能够减小模型的计算误差.通过对比CHAMP卫星在轨大气密度探测数据与NRLMSISE-00模式的计算结果发现,通过调整F_10.7的输入,使轨道大气密度积分的模式计算结果与探测结果之间的误差达到最小,此时的F_10.7被称为理想F_10.7输入（F*）.进一步的分析发现,F*与太阳紫外辐射MgII指数存在很好的相关性,因此可以选择其他的太阳紫外辐射代理参数取代F_10.7,从而减小模型计算误差.本文采用神经网络技术,建立新的太阳紫外辐射代理参量F_euv与MgII,F_10.7等的对应模型,能够根据当日参数值计算F_euv.研究结果表明,新的代理参数能够有效减小NRLMSISE-00的计算误差.      

磁尾等离子片中偶极化锋面的数值模拟研究

利用守恒型TVD格式对8波模型磁流体方程组进行数值模拟, 对磁尾中偶极化锋面的物理和演化特性进行研究. 构建了由BBF类型通量管机制产生的偶极化锋面数值模拟模型, 该模型由磁尾平衡模型、亚暴增长相模型和亚暴触发及BBF形成模型三部分组成. 数值模拟结果很好地再现了磁尾中BBF类型通量管机制产生的偶极化锋面特性. 伴随着高速 流的出现, 磁场B_z分量呈非对称双极变化结构, 即锋面前减小为负值, 在锋面上急剧增大. 当B_z增大到极大值后回落并趋于稳定. 随着偶极化锋面伴随地向高速流向地球运动, 偶极化锋面上B_z的变化越来越小.      

基于神经网络的磁平静期赤道电集流预测

利用BP神经网络技术分别对2008年后磁平静期印度扇区、秘鲁扇区以及CHAMP卫星的赤道电集流（EEJ）变化进行预测，其中神经网络训练数据为对应的2000—2007年磁平静期EEJ观测数据，输入参量为天数、地方时、太阳天顶角、太阳活动指数（F_10.7）、太阴时以及卫星地理经度，输出参量为EEJ.对EEJ预测结果进行了统计学分析，并且与实际观测结果进行对比.结果表明:BP神经网络对事件中EEJ的变化具有很好的预测能力，预测结果能够反映EEJ的重要分布特征；EEJ预测值与观测值之间具有很好的相关性，其中地磁台站观测值与预测值相关性系数可达85%以上.此外，将BP神经网络模型的预测结果与Yamazaki提出的经验模型结果进行对比，结果显示BP神经网络与其经验模型性能相当.研究结果表明，BP神经网络技术在平静期EEJ变化预测方面性能优异，具有良好的应用前景.      

High accuracy satellite drag model (HASDM)

The dominant error source in force models used to predict low-perigee satellite trajectories is atmospheric drag. Errors in operational thermospheric density models cause significant errors in predicted satellite positions, since these models do not account for dynamic changes in atmospheric drag for orbit predictions. The Air Force Space Battlelab’s High Accuracy Satellite Drag Model (HASDM) estimates and predicts (out three days) a dynamically varying global density field. HASDM includes the Dynamic Calibration Atmosphere (DCA) algorithm that solves for the phases and amplitudes of the diurnal and semidiurnal variations of thermospheric density near real-time from the observed drag effects on a set of Low Earth Orbit (LEO) calibration satellites. The density correction is expressed as a function of latitude, local solar time and altitude. In HASDM, a time series prediction filter relates the extreme ultraviolet (EUV) energy index E_10.7 and the geomagnetic storm index a_p, to the DCA density correction parameters. The E_10.7 index is generated by the SOLAR2000 model, the first full spectrum model of solar irradiance. The estimated and predicted density fields will be used operationally to significantly improve the accuracy of predicted trajectories for all low-perigee satellites.     

Intra-annual variations of the thermospheric density at 400 km altitude from 1996 to 2006

We investigate the intra-annual variations of globally averaged thermospheric density at 400 km altitude from 1996 to 2006 by using Artificial Neural Network Method (ANNM). The results indicate that thermospheric density is governed by solar activity, and the absolute error of our model is 13.67%, less than NRLMSISE-00 model. Fourier representation can catch the intra-annual variations more accurately than NRLMSISE-00 model and JB2008 model especially during 2002. We find that the Autumn maximum is slightly greater than Spring maximum during solar minimum, while the reverse is correct during solar maximum. There is a strong linear relation between solar activity and the amplitude of annual/semiannual variations, and the correlation coefficients are 0.9534 and 0.9424, respectively. Moreover, the amplitude ratio of the annual to semiannual variation is about 1.3 averaged, and changes in different years, but it has little relation with solar activity. Besides that, the amplitude of annual variation is larger than semiannual variation during 1996 and 2006 except 1998 and 2000. The relative error of NRLMSISE-00 model is 14.95%, decreasing to 12.49% after revising, and the correlation coefficients between this empirical model and its improved results and the observation are 0.8185 and 0.9210, respectively. Finally, we suggest the revised version of MSIS series of model should use the Fourier representation to express the intra-annual variations.