基于格网动态划分与优化的电离层层析方法

Precise inversion and recognition on the disturbance of ionosphere is important to space environment monitoring and earthquake abnormal research, and requires a high accuracy and spatial feature resolving power. Tomography is an important method for ionosphere inversion. However, due to the restriction of existing methods of grid partition, ionosphere tomography is failed to give a balance between accuracy and spatial feature resolving power. This project is to explore the theories and methods of gird partition for ionosphere tomography, and then to propose a better tomography method for ionosphere inversion. The points of the project include: 1) grid partition optimization in consideration of accuracy and spatial feature resolving power simultaneously; 2) ionosphere tomography based on grid optimization; 3) tomographic grid optimization with regards to observation constraints; 4) prototype system and ionosphere tomography experiments. Concepts such as divide-merge index, image similarity and ray density, as well as technologies as recursively dividing and merging, and iterative optimization, were adopted to develop an optimized method for grid partition and for ionosphere tomography. The output of this project will give support to the accurate inversion and recognition of ionosphere anomalous disturbances, and also to the study of space environment monitoring and earthquake abnormal research.

精确反演与识别电离层的异常扰动特征是空间环境监测及地震异常研究的重要内容，通常要求反演方法与结果具备较高的精度与空间特征分辨力。层析是电离层反演的重要方法。然而，受现有格网划分方法的制约，电离层层析反演方法在精度及空间特征分辨力方面顾此失彼。本项目拟深入研究有关层析格网优化划分的理论与方法，并以此为基础提出一种更为优化的电离层层析方法，内容包括：1）顾及精度及空间特征分辨力的格网优化划分; 2）基于格网优化划分的电离层层析方法；3）顾及观测几何要素的层析格网再优化；4）原型系统与电离层层析实验。拟通过改进适应性SDOG格网，引入分合指数、层像相近度及射线密度等概念，及借助优先级排序、递归分合与迭代优化等技术来实现层析格网的划分与优化以及层析方法的优化。本项目的成果可为电离层异常扰动特征的精确反演与识别提供技术支撑，同时也为空间环境监测及地震异常研究提供方法基础。

提高精度与速度是电离层层析研究的重要内容。本项目从观测数据异常检测与筛除、层析网格优化、层析方法优化、层析效率优化、原型系统及应用等方面展开了研究。通过假设层析过程中穿过同一网格的不同射线改正数相近，提出了一种异常射线STEC的检测算法，准确率和精确率可达98%及80%；通过降低非感兴趣区域的分辨率以及分别以顶底区域为兴趣区域并对优势成像进行重组，实现了层析网格的优化，相应的层析方法在精度方面优化率介于9.01%至40%之间。通过去除趋势面、引入变异系数及射线分布，提出了一种新型水平光滑约束方法，优化率在9%至20%之间。通过将垂直Chapman约束和水平光滑约束进行深度耦合，引入斜路径EOF约束，或借助神经网络改进代价函数并借助水平垂直约束动态修正参考层像提出了系列电离层层析优化算法，优化率在2.34%及48.6%之间。借鉴射线追踪思想提出了一种非常高效的截距矩阵计算算法，时间效率可提升了100~3000倍，且随网格数量增加提升倍数增大。通过融合全球网格和R树，提出了一种可服务于海量STEC数据管理的新型空间索引，检索效率比GeoHash索引快一倍多。通过电离层层析技术对2015智利大地震震前电离层进行反演，发现电离层异常由正区域和负区域构成，分别在高度约200 km和400km处，且大致沿磁场方向分布。项目相关研究成果可为高质量与高效率的电离层反演提供技术与方法支撑。.项目共发表了学术论文8篇，其中，高质量SCI论文5篇，高质量中文期刊2篇；申请专利1项，获国家发明专利优胜奖1项，获软件著作权1项；培养硕士研究生7名，作5次国际会议口头报告、2次国内会议口头报告，1人次赴海外访学与交流一年。