ГЕОМАГНЕТИЗМ И АЭРОНОМИЯ, 2014, том 54, № 3, с. 348-354
УДК 550.385
СВЯЗЬ ТРЕНДОВ foF2 C ГЕОГРАФИЧЕСКИМИ И ГЕОМАГНИТНЫМИ КООРДИНАТАМИ © 2014 г. А. Д. Данилов, А. В. Константинова
Институт прикладной геофизики им. акад. Е.К. Федорова, Росгидромета, г. Москва e-mail: adanilov99@mail.ru, anna@tabulata.ru Поступила в редакцию 26.12.2013 г.
Рассмотрена возможность представить параметры k(foF2) и AfoF2, характеризующие изменение со временем критической частоты ионосферного слоя F2 за последние десятилетия и полученные авторами ранее, как функции географических координат — широты и долготы. Показано, что такая возможность имеется, причем соответствующие статистические значимости получаемых зависимостей лежат в пределах от ~90% до более 99%. Одновременно исследована зависимость линейного тренда k от магнитных координат D и I. Эта зависимость должна отражать связь трендов foF2 c динамическими процессами (горизонтальными ветрами), через индуцированный ими вертикальный дрейф и соответствующее изменение высоты слоя F2.
DOI: 10.7868/S0016794014030043
1. ВВЕДЕНИЕ
Проблема долговременных изменений (трендов) параметров основного ионосферного слоя /2 стоит в настоящее время очень остро. Это связано с более общей проблемой охлаждения и оседания средней и верхней атмосферы из-за увеличения количества парниковых газов (см. Ьа^оу! Ска йа1., 2008, 2012). Авторы неоднократно обращались к этой тематике и подробное описание проблемы можно найти в обзоре одного из авторов [Данилов, 2012] и недавних публикациях авторов, посвященных поиску трендов/о¥2 и Иш/2 [Данилов и Константинова, 2013а, 2013б].
В указанных работах авторов был проведен детальный анализ всех имеющихся источников (банков) данных по критической частоте и высоте слоя /2. Было показано, что не все источники одинаково надежны, и в ряде случаев даже в наиболее надежном источнике — банке 8РГОЯ — встречаются заведомо ошибочные (бессмысленные) куски данных. В указанных работах была проведена проверка и сортировка данных, и в результате критического анализа были выбраны наиболее надежные данные, на основании которых были построены соответствующие зависимости от времени и найдены тренды /оЕ2 и Иш/2 для ряда станций для периода конца 1990-х—первой декады 2000-х годов. Тренды были независимо определены для 4-х ситуаций: день (14:00 ЬТ), момент через два часа после захода Солнца (88 + 2), а также зима (январь-февраль, ЛБ) и лето (июнь-июль, Л). Видимо, на настоящий момент эти тренды, полученные в результате тщательного анализа разных источников данных, являются наиболее надежными. Характерно, что все тренды/о/2 и Иш/2 получены отри-
цательными, что согласуется с концепцией охлаждения и оседания верхней атмосферы.
Естественно, представляет большой интерес закономерность распределения трендов foF2 и hmF2 по земному шару. Конечно, количество станций, для которых удалось определить тренды, мало (10 для hmF2 и 12 для foF2). Не очень велика и точность полученных величин — в каждом конкретном случае возможны ошибки из-за неточности исходных банков данных. Тем не менее, нам представляется, что стоит попытаться на основании имеющихся данных определить если не точную картину зависимостей трендов foF2 и hmF2 от географических и геомагнитных координат, то хотя бы тенденции таких зависимостей. Знание таких тенденций может быть важно для дальнейшего изучения физических механизмов возникновения трендов и более глубокого понимания всей картины охлаждения и оседания средней и верхней атмосферы.
2. ЗАВИСИМОСТЬ ТРЕНДОВ foF2 ОТ ГЕОГРАФИЧЕСКИХ КООРДИНАТ
Систематическое изменение критической частоты со временем вряд ли происходит равномерно по земному шару, поскольку это изменение должно определяться многими процессами, по-разному зависящими от географических координат. Подтверждением этого положения служат результаты расчета трендов foF2 с помощью модели NCAR GSM [Qian et al., 2011]. Как видно из рис. 3 в указанной статье, величина тренда Ne(max) в максимуме слоя F2 (которая хорошо известным образом прямо связана с foF2) имеет в географи-
Таблица 1. Тренды для различных ситуаций, найденные в работе Данилова и Константиновой [2013а]
Станция |LAT| LON k(14JF) k(14JJ) k(SSJF) k(SSJJ)
Slough 51.5 359.4 -0.029 -0.022 -0.039 -0.02
Juliusruh 54.6 13.4 -0.025 -0.017 -0.051 -0.014
Moscow 55.5 37.3 -0.101 -0.019 -0.041 -0.023
Tomsk 56.5 84.9 -0.025 -0.03 -0.051 -0.038
Wallops 37.9 284.5 -0.027 -0.007 -0.064 -0.054
Tashkent 41.3 69 -0.092 -0.06 -0.053 -0.033
Townsville 16.6 146.9 -0.006 -0.086 -0.011 -0.053
Ebre 40.8 0.3 -0.076 -0.02 -0.031 -0.014
Hobart 42.9 147.3 -0.015 -0.029 -0.032
Boulder 40 254.7 -0.046 -0.015 -0.053 -0.014
Grahamstown 33.3 26.5 -0.011 -0.025 -0.03
Rome 41.9 12.5 -0.072 -0.011 -0.079 -0.041
ческих координатах пятнистый характер. Максимальные величины тренда в отдельных "пятнах" достигают — 40%, а минимальные — близки к нулю. Хотя расчеты в указанной работе сделаны для случая удвоения количества СО2, вывод о разных величинах трендов критической частоты в разных географических точках остается в силе и для реальной ситуации сегодняшнего дня, когда увеличение количества СО2 составляет ~30%.
Результаты определения трендов foF2 в работе Данилова и Константиновой [2013а] приведены в табл. 1. В указанной работе для каждой станции и ситуации приведены величины трендов, полученные для разных источников данных. В таблице 1 мы приводим и используем далее в этой статье для анализа величины, полученные на основании наиболее надежного, с нашей точки зрения, источника — банка SPIDR.
Мы ищем зависимость трендов критической частоты k от географических координат широты (LAT) и долготы (LON) следующим образом. Прежде всего, мы берем модуль широты |LAT|, предполагая симметрию северного и южного полушарий. Затем мы ищем коэффициент корреляции между величинами к для каждой ситуации и тригонометрическими функциями (sin и cos) широты и долготы. Полученные коэффициенты корреляции приведены в табл. 2.
Прежде, чем обсуждать результаты табл. 2, сделаем одно пояснение. Поскольку мы ищем возможную связь трендов к с сезоном, а не формальными календарными месяцами, мы величины к для станций южного полушария (Grahamstown, Hobart и Townsville) здесь и в следующем параграфе рассматриваем в соответствии с их реальным сезоном (т.е. величина к для 14JJ для станции Hobart будет стоять в столбце 14JF, который соответствует зиме для большинства станций).
Как видно из приведенной таблицы, величины коэффициентов корреляции относительно невелики. Однако, в силу небольшой точности трендов foF2 и многообразия факторов, которые могут их определять, невозможно ожидать высоких коэффициентов корреляции с географическими координатами. Прежде, чем проводить дальнейшее обсуждение, посмотрим, каким уровням значимости в нашем случае соответствуют величины R. В соответствии с F-критерием Фишера при 12-ти точках (12 ионосферных станций) величина R = 0.7 соответствует уровню значимости выше 99%, величина R = 0.6 соответствует уровню значимости выше 95% (и ближе к уровню значимости 99%), величина R = 0.5 соответствует уровню значимости между 90 и 95%, тогда как величина R = 0.45 дает уровень значимости лишь немного ниже 90%. Меньшие величины R мы будем считать незначимыми.
Возвращаясь к табл. 2, мы видим, что наблюдается некое подобие симметрии. За исключением sinLON для ситуации 14JF, всюду знак корреляции для одной и той же функции для зимы и лета различен. Так, величина R для cosLON отрицательна для 14JF и SSJF и положительна для 14JJ и SSJJ. Так же ведет себя и величина R для sin|LAT|. Для cos LAT наблюдается обратная картина: величина R положительна в зимних ситуациях и отри-
Таблица 2. Коэффициенты корреляции Я величин к с функциями широты и долготы ионосферных станций
Функции 14JF 14JJ SSJF SSJJ
tos LON -0.43 +0.63 -0.47 +0.43
cosLAT +0.28 -0.50 +0.30 -0.48
sinLON -0.11 -0.53 +0.29 -0.10
sin|LAT| -0.35 +0.64 -0.43 +0.54
Таблица 3. Параметры аппроксимации
Ситуация R P SD
14JF 0.46 20 0.027
14JJ 0.70 40 0.018
SSJF 0.50 24 0.017
SSJJ 0.52 40 0.013
Таблица 4. Сравнение исходных и вычисленных величин к для ситуации 88Л
Станция ^исх) ^мод)
Slough -0.020 -0.032
Juliusruh -0.014 -0.033
Moscow -0.023 -0.031
Tomsk -0.038 -0.022
Wallops -0.054 -0.018
Tashkent -0.033 -0.021
Townsville -0.053 +0.004
Ebre -0.014 -0.029
Hobart -0.032 -0.007
Boulder -0.014 -0.015
Grahamstown -0.030 -0.029
Rome -0.041 -0.033
цательна в летних. Об исключении для sinLON уже говорилось выше.
Отметим, что в среднем для всех рассмотренных ситуаций величина R выше для связи k c cos LON и sin|LAT|. Для этих строк таблицы статистическая значимость в среднем превышает 90%. Это означает, что имеется тенденция роста величины k с широтой в летние месяцы и уменьшения k — в зимние. Однако, тот факт, что примерно одинаковые величины R получились и для cosLON, и для sin|LAT| говорит о том, что следует искать зависимость рассматриваемых трендов одновременно и от LON, и от |LAT|.
Мы проделали это следующим образом. Мы вычисляли различные линейные комбинации четырех функций, приведенных в табл. 2, (всего рассмотрено 46 комбинаций) для географических координат каждой станции и рассматривали коэффициент корреляции полученных величин с величинами k. Мы искали комбинацию, для которой величина R была наибольшей для каждой ситуации. Результаты такого анализа оказались неожиданными. Оказалось, что для трех ситуаций (14JF, 14 J J и SSJF) максимальный коэффициент корреляции получается при одной и той же комбинации (из 46-ти рассмотренных!): sin|LAT| + + 0.5 cos LON. Только для ситуации SSJJ наибольшая величина R = 0.58 получается для комбинации
cosLАТ — 0.2cosLON. Однако вторая по амплитуде величина R = 0.52 наблюдается именно для той же комбинации sin|LAT| + 0.5cosL0N.
Этот результат представляется удивительным, поскольку для каждой ситуации исходные данные, т.е. величины тренда k для каждой станции, различны. Фактически, мы имеем четыре независимых набора исходных данных, которые в терминах коэффициента корреляции R дают одну и ту же за
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.