Современные проблемы дистанционного зондирования Земли из космоса. 2026. Т. 23. № 2. С. 385-397
Оценка корреляционного масштаба распределения полного электронного содержания в европейском регионе с использованием вариограммного подхода по данным ГНСС-радиопросвечивания
И.А. Павлов 1, 2 , А.М. Падохин 1, 2 1 Институт земного магнетизма, ионосферы и распространения радиоволн им. Н.В. Пушкова РАН, Троицк, Москва, Россия
2 Московский государственный университет имени М.В. Ломоносова, Москва, Россия
Одобрена к печати: 10.02.2026
DOI: 10.21046/2070-7401-2026-23-2-385-397
Представлен метод оценки корреляционного масштаба распределения полного электронного содержания TEC (англ. Total Electron Content) ионосферы по данным радиопросвечивания сигналами глобальных навигационных спутниковых систем (ГНСС). Метод использует данные, полученные из базы данных Madrigal, для построения эмпирических вариограмм невязок TEC относительно 27-дневного медианного распределения электронной концентрации. Корреляционный масштаб определялся на основе подбора параметров гауссовой модели вариограммы, чтобы она наилучшим образом соответствовала полученным эмпирическим вариограммам. Анализ данных за 2018 г., характеризующийся низкой солнечной и геомагнитной активностью, показал, что в европейском регионе корреляционный масштаб TEC демонстрирует сезонную изменчивость, увеличиваясь с ~1000 км в зимние месяцы до 2000–4000 км летом, что хорошо согласуется с изменчивостью регионального электронного содержания REC (англ. Regional Electron Content). На основе анализа вариограммных поверхностей выявлена существенная анизотропия корреляционного масштаба TEC, связанная с направлениями магнитного поля и нейтрального ветра на высотах максимума F2-слоя. Результаты исследования имеют практическое значение для задач адаптации ионосферных моделей и ассимиляции данных TEC с целью прогнозирования условий распространения радиоволн, а также для понимания динамики ионосферных процессов в средних широтах в целом.
Ключевые слова: ионосфера, ГНСС, корреляционный масштаб, вариограмма
Полный текстСписок литературы:
- Bilitza D., Altadill D., Truhlik V. et al. International Reference Ionosphere 2016: From ionospheric climate to real-time weather predictions // Space Weather. 2017. V. 15. No. 2. P. 418–429. DOI: 10.1002/2016SW001593.
- Bust G. S., Immel T. J. IDA4D: Ionospheric data assimilation for the ICON mission // Space Science Reviews. 2020. V. 216. No. 3. Article 33. 17 p. DOI: 10.1007/s11214-020-00648-z.
- Bust G. S., Garner T. W., Gaussiran T. L., II. Ionospheric Data Assimilation Three-Dimensional (IDA3D): A global, multisensor, electron density specification algorithm // J. Geophysical Research: Space Physics. 2004. V. 109. No. A11. Article A11312. DOI: 10.1029/2003JA010234.
- Drob D. P., Emmert J. T., Meriwether J. W. et al. An update to the Horizontal Wind Model (HWM): The quiet time thermosphere // Earth and Space Science. 2015. V. 2. No. 7. P. 301–319. DOI: 10.1002/2014EA000089.
- Forsythe V. V., Azeem I., Crowley G. Ionospheric horizontal correlation distances: Estimation, analysis, and implications for ionospheric data assimilation // Radio Science. 2020. V. 55. No. 12. Article e2020RS007159. 14 p. DOI: 10.1029/2020RS007159.
- Juan J. M., Sanz J., Rovira-Garcia A. et al. AATR an ionospheric activity indicator specifically based on GNSS measurements // J. Space Weather and Space Climate. 2018. V. 8. Article A14. DOI: 10.1051/ swsc/2017044.
- Liu A., Li Z., Wang N. et al. Gaussian variogram-based model of total electron content in the regional ionosphere of China // Space Weather. 2024. V. 22. No. 11. Article e2024SW004047. DOI: 10.1029/2024SW004047.
- Lv M., Tang Q., Qiao J. et al. Statistical analysis of ionospheric correlation for shortwave system // Radio Science. 2024. V. 59. No. 4. Article e2023RS007893. 12 p. DOI: 10.1029/2023RS007893.
- Lyu H., Hernández-Pajares M., Li M. et al. Global 3D ionospheric shape function modeling with kriging // J. Geodesy. 2024. V. 98. No. 12. Article 104. DOI: 10.1007/s00190-024-01908-4.
- Mannucci A. J., Wilson B. D., Yuan D. N. et al. A global mapping technique for GPS-derived iono-spheric total electron content measurements // Radio Science. 1998. V. 33. No. 3. P. 565–582. DOI: 10.1029/97RS02707.
- Nava B., Coïsson P., Radicella S. M. A new version of the NeQuick ionosphere electron density model // J. Atmospheric and Solar-Terrestrial Physics. 2008. V. 70. No. 15. P. 1856–1862. DOI: 10.1016/j. jastp.2008.01.015.
- Oliver M. A., Webster R. A tutorial guide to geostatistics: Computing and modelling variograms and kriging // Catena. 2014. V. 113. P. 56–69. DOI: 10.1016/j.catena.2013.09.006.
- Papitashvili N. E., King J. H. OMNI hourly data set. Heliophysics Digital Resource Library (HDRL) dataset, 2020. DOI: 10.48322/1SHR-HT18.
- Pignalberi A., Pezzopane M., Rizzi R., Galkin I. Effective solar indices for ionospheric modeling: A review and a proposal for a real-time regional IRI // Surveys in Geophysics. 2018. V. 39. No. 1. P. 125–167. DOI: 10.1007/s10712-017-9438-y.
- Qiao J., Liu Y., Fan Z. et al. Ionospheric TEC data assimilation based on Gauss–Markov Kalman filter // Advances in Space Research. 2021. V. 68. No. 10. P. 4189–4204. DOI: 10.1016/j.asr.2021.08.004.
- Reid B., Themens D. R., McCaffre A. et al. A-CHAIM: Near-real-time data assimilation of the high lati-tude ionosphere with a pArticle filter // Space Weather. 2023. V. 21. No. 3. Article e2022SW003185. DOI: 10.1029/2022SW003185.
- Rideout W., Coster A. Automated GPS processing for global total electron content data // GPS Solutions. 2006. V. 10. No. 3. P. 219–228. DOI: 10.1007/s10291-006-0029-5.
- Segarra A., Altadill D., de Paula V., Navas-Portella V. Climatology of large-scale Traveling Ionospheric Disturbances above Europe during the 2014–2023 period // J. Space Weather and Space Climate. 2025. V. 15. Article 28. DOI: 10.1051/swsc/2025024.
- Shim J. S., Scherliess L., Schunk R. W., Thompson D. C. Spatial correlations of day-to-day ionospheric total electron content variability obtained from ground-based GPS // J. Geophysical Research: Space Physics. 2008. V. 113. No. A9. Article A09309. DOI: 10.1029/2007JA012635.
- Tang J., Zhang S., Huo X., Wu X. Ionospheric assimilation of GNSS TEC into IRI model using a local ensemble Kalman filter // Remote Sensing. 2022. V. 14. No. 14. Article 3267. DOI: 10.3390/rs14143267.
- Tolstikov M. V., Oinats A. V., Artamonov M. F. et al. Statistical relation of traveling ionospheric disturbances with neutral wind and disturbances in the stratosphere // Solar-Terrestrial Physics. 2022. V. 8. No. 4. P. 78–88. DOI: 10.12737/szf-84202208.
- Yasyukevich Y. V., Zatolokin D., Padokhin A. et al. Klobuchar, NeQuickG, BDGIM, GLONASS, IRI-2016, IRI-2012, IRI-Plas, NeQuick2, and GEMTEC ionospheric models: A comparison in total electron content and positioning domains // Sensors. 2023. V. 23. No. 10. Article 4773. DOI: 10.3390/s23104773.
- Yuan L., Hoque M. M., Kodikara T. The four-dimensional variational Neustrelitz Electron Density Assimilation Model: NEDAM // Space Weather. 2023. V. 21. No. 6. Article e2022SW003378. DOI: 10.1029/2022SW003378.