频高图Es层回波的自动识别

提出了一种基于决策树算法的自动识别Es层回波的方法以提高Es识别效率.通过自适应二值化以及中值滤波算法对频高图进行预处理，并提取有效的Es回波区域.利用Es层在虚高轴分布的规律，通过图像投影的方法选择出特征，将这些特征以及时间信息作为决策树算法的输入；通过人工识别方式为每幅频高图标明是否存在Es回波的标签，与决策树算法的输出进行比较.对训练集进行训练、剪枝，获取最接近人工识别结果的决策树，使用测试集对获取的决策树进行测试验证.本文使用云南普洱站（22.7°N，101.5°E）记录的频高图数据作为训练集，分别使用云南普洱站（22.7°N，101.5°E）和四川乐山站（29.5°N，103.7°E）的频高图数据作为测试集对该方法进行测试验证，结果表明该方法对普洱站和乐山站两地Es二跳回波的识别均具有较高的准确率，分别达到84.2%和82.8%.      

夜间135.6 nm气辉反演的电离层f0F2与测高仪观测比较研究

在夜间电离层，气辉135.6 nm谱线主要由F层的O⁺和电子的辐射复合过程以及O⁺和O^–的中性复合过程激发，该谱线强度和电离层峰值电子密度Nm F₂存在很强的相关性。利用夜气辉135.6 nm辐射强度与F₂层峰值电子密度Nm F₂的平方成正比的物理模型，建立了在不同经纬度、地方时、季节和太阳活动下均适用的反演算法。通过DMSP卫星上搭载的紫外光谱成像仪(SSUSI)实际观测的135.6 nm气辉辐射强度来反演相应时空的电离层F₂层临界频率f₀F₂，并将其与地基测高仪探测结果做了综合对比。结果表明，在太阳活动高年(2013年)，相对误差小于等于20%的数据占比93.0%，平均相对误差约为7.08%；在太阳活动低年(2017年)，相对误差小于等于20%的数据占比80.8%，平均相对误差约为12.64%。最后，对该算法在太阳活动高低年的反演精度差异进行了分析。