Aeronomic and Dynamic Correction of the Global Model GTEC for Disturbed Conditions

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

An aeronomic and dynamic correction of the GTEC median global model of the total electron
content for disturbed conditions (Ap ≥ 15 nT) is proposed. The GTEC global median model is developed
for quiet conditions (Ap < 15 nT) as a function of the geographic coordinates, universal time UT, day of the
year, and solar activity level (the solar radio emission flux F10.7). The model is based on a spherical harmonic
analysis of the GIM-TEC Global Ionospheric Maps (1996–2019) provided by the Jet Propulsion
Laboratory (NASA). The proposed GDMTEC global dynamic model (Global Dynamic Model of TEC)
consists of the GTEC median model updated with several dynamic and aeronomic corrections related to
formation of the main ionospheric trough, position of the auroral ionization maximum and changes of the
thermospheric temperature and composition. The advantage of the proposed corrections of the median
model is the independence of forecast of the data in real time from assimilation of the current observational
data. Testing of the model for disturbed conditions shows an improvement of the forecast compared to the
IRI-Plas ionospheric reference model

About the authors

V. N. Shubin

Institute of Terrestrial Magnetism, the Ionosphere, and Radio Wave Propagation

Email: shubin@izmiran.ru
Moscow, Russia

T. L. Gulyaeva

Institute of Terrestrial Magnetism, the Ionosphere, and Radio Wave Propagation

Email: shubin@izmiran.ru
Moscow, Russia

M. G. Deminov

Institute of Terrestrial Magnetism, the Ionosphere, and Radio Wave Propagation

Author for correspondence.
Email: shubin@izmiran.ru
Moscow, Russia

References

  1. – Аннакулиев С.К., Деминов М.Г., Шубин В.Н. Полуэмпирическая модель бури в ионосфере средних широт // Солнечно-земная физика. Вып. 8. С. 145–146. 2005.
  2. – Деминов М.Г. Ионосфера Земли: закономерности и механизмы // Электромагнитные и плазменные процессы от недр Солнца до недр Земли. Pед. В.Д. Кузнецов. М.: ИЗМИРАН. С. 295–346. 2015. https://www.izmiran.ru/IZMIRAN75/
  3. – Деминов М.Г., Шубин В.Н. Эмпирическая модель положения главного ионосферного провала // Геомагнетизм и аэрономия. Т. 58. № 3. С. 366–373. 2018. https://doi.org/10.7868/S0016794018030070
  4. – Деминов М.Г., Шубин В.Н., Бадин В.И. Модель критической частоты Е-слоя для авроральной области // Геомагнетизм и аэрономия. Т. 61. № 5. С. 610–617. 2021. https://doi.org/10.31857/S0016794021050059
  5. – Кринберг И.А., Выборов В.И., Кошелев В.В., Попов В.В., Сутырин Н.А. // Адаптивная модель ионосферы. Ред. Л.А. Щепкин. М.: Наука. С. 1–133. 1986.
  6. – Шубин В.Н., Аннакулиев С.К. Модель отрицательной фазы ионосферной бури на средних широтах // Геомагнетизм и аэрономия. Т. 35. № 3. С. 79–87. 1995.
  7. – Шубин В.Н., Аннакулиев C.К. Полуэмпирическая модель foF 2 ночной субавроральной ионосферы в период отрицательной фазы интенсивных ионосферных бурь // Геомагнетизм и аэрономия. Т. 37. № 4. С. 26–34. 1997.
  8. – Шубин В.Н., Деминов М.Г. Глобальная динамическая модель критической частоты F 2 слоя ионосферы // Геомагнетизм и аэрономия. Т. 59. № 4. С. 461–473. 2019. https://doi.org/10.1134/S0016794019040151
  9. – Alken P., Thébault E., Beggan C. et al. International Reference Geomagnetic Field: the thirteenth generation // Earth Planets Space. V. 73. 2021. https://doi.org/10.1186/s40623-020-01288-x
  10. – Bilitza D., Altadill D., Truhlik V., Shubin V., Galkin I., Reinisch B., Huang X. International Reference Ionosphere 2016: from ionospheric climate to real-time weather predictions // Space Weather. V. 15. P. 418–429. 2017. https://doi.org/10.1002/2016SW001593
  11. – Cesaroni C., Spogli L., Aragon-Angel A., Fiocci M., Dear V., De Franceschi G., and Tomano V. Neural network based model for global total electron content forecasting // J. Space Weather Space Clim. V. 10. 11. 2020. https://doi.org/10.1051/swsc/2020013
  12. – Galkin I., Fron A., Reinisch B. et al. Global monitoring of ionospheric weather by GIRO and GNSS data fusion // Atmosphere. V. 13. 371. 2022. https://doi.org/10.3390/atmos13030371
  13. – Gulyaeva T. L., Bilitza D. Towards ISO Standard Earth Ionosphere and Plasmasphere Model // New Developments in the Standard Model. Ed. R. J. Larsen. N.Y.: NOVA Sci. Pub. P. 1–39. 2012.
  14. – Gulyaeva T. L., Arikan F., Hernandez-Pajares M., Stanislawska I. GIM-TEC adaptive ionospheric weather assessment and forecast system // J. Atmos. Solar-Terr. Phys. V. 102. P. 329–340. 2013.
  15. – Hierl P.M., Dotan I., Seeley J.V., Van Doren J.M., Morris R.A., Viggiano A.A. Rate constants for the reactions of O+ with N2 and O2 as a function of temperature (300–1800 K) // J. Chem. Phys. V. 106. P. 3540–3544. 1997.
  16. – Iluore K., Lu J. Long short-term memory and gated recurrent neural networks to predict the ionospheric vertical total electron content // Adv. Space Res. V. 70. № 3. P. 652–665. 2022. https://doi.org/10.1016/j.asr.2022.04.066
  17. – Lean J.L. One- to 10-day forecasts of ionospheric total electron content using a statistical model // Space Weather. V. 17. P. 313–338. 2019. https://doi.org/10.1029/2018SW002077
  18. – Liu L., Zou S., Yao Y., Wang Z. Forecasting global ionospheric TEC using deep learning approach // Space Weather. V. 18. № 11. 2020. https://doi.org/10.1029/2020SW002501
  19. – Picone J.M., Hedin A.E., Drob D.P., Aikin A.C. NRLMSISE-00 empirical model of the atmosphere: Statistical comparisons and scientific issues // J. Geophys. Res. V. 107. P. 1468–1483. 2002.
  20. – Shubin V.N., Gulyaeva T.L. Global mapping of Total Electron Content from GNSS observations for updating IRI-Plas model // Adv. Space Res. V. 69. № 1. P. 168–175. 2022. https://doi.org/10.1016/j.asr.2021.09.032

Supplementary files

Supplementary Files
Action
1. JATS XML
2.

Download (188KB)
3.

Download (113KB)
4.

Download (159KB)
5.

Download (194KB)
6.

Download (114KB)
7.

Download (156KB)
8.

Download (200KB)
9.

Download (111KB)
10.

Download (156KB)
11.

Download (573KB)

Copyright (c) 2023 В.Н. Шубин, Т.Л. Гуляева, М.Г. Деминов

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».