Содержание к диссертации
Введение
Глава 1. Тренды критической частоты и высоты слоя F2 10
1.1 Проблема исходных данных 10
1.2 Метод анализа 11
1.3 Выбор исходных данных 16
1.4 Результаты анализа трендов foF2 19
1.5 Результаты анализа трендов высоты hmF2 29
Глава 2. Суточные и сезонные вариации медиан foF2 45
2.1 Исходные данные и метод 45
2.2 Результаты 47
2.3 Обсуждение 53
Глава 3. Вариации критической частоты foF2 до 2014 г. 57
3.1 Тренды foF2 по данным системы «SPIDR» 57
3.2 Анализ медианных данных 63
Глава 4. Сравнение трендов параметров слоя F2, полученных разными авторами 71
4.1 Обзор результатов других авторов 71
4.2 Причины различий получаемых трендов 79
4.2.1 Выбор анализируемого периода 79
4.2.2 Учет зависимости трендов от местного времени 89
4.2.3 Учет зависимости трендов от сезона 91
Глава 5. Вариации параметра «дельта» 95
5.1 Метод анализа 96
5.2 Результаты 98
Заключение 106
Список литературы 108
- Результаты анализа трендов foF2
- Тренды foF2 по данным системы «SPIDR»
- Обзор результатов других авторов
- Результаты
Введение к работе
Актуальность работы
Проблема долговременных изменений (трендов) параметров атмосферы и ее верхней, ионизованной части – ионосферы – обсуждается более 30 лет. Ограниченный объем и структура автореферата не позволяют рассмотреть даже кратко десятки работ, посвященных этой проблеме. Приведем лишь основные факты, имеющие непосредственное отношение к предмету данной работы.
Первые оценки долговременных изменений в термосфере и ионосфере на основании теоретических моделей были сделаны, насколько известно, в работах Rishbeth [1990] и Rishbeth and Roble [1992]. Отметим, что пионерские работы по анализу долговременных трендов параметров верхней атмосферы и ионосферы по данным измерений проводились в Институте физики атмосферы (Н. Н. Шефов, А. И. Семенов), ИЗМИРАН (Г. В. Гивишвили), ЦАО (Г. А. Кокин) и Институте прикладной геофизики (А. Д. Данилов, А. В. Михайлов). В 1998 г. в ИЗМИРАН было проведено совещание, на котором высказана концепция об охлаждении и оседании средней и верхней атмосферы [Охлаждение и оседание…, 1998], основанная на значительном объеме экспериментальных данных, см. [Golitsyn et al., 1996] или более позднюю монографию [Шефов и др., 2006]. Эта идея позже была обобщена на основании большего количества экспериментальных данных (включая термосферу и ионосферу) и представлена в обзоре [Latovika et al, 2008]. Согласно предложенной концепции, увеличение количества парниковых газов в атмосфере (для простоты можно говорить о наиболее существенном из них – СО2) должно приводить к целому ряду эффектов в атмосфере от стратосферы и выше. Основным эффектом является охлаждение нейтрального газа и соответствующее оседание термосферы.
Изучение этих изменений важно, как в научном, так и в практическом отношении по двум причинам.
Первая причина состоит в том, что изменение параметров ионосферного слоя F2 неизбежно должно влиять на условия распространения радиоволн коротковолнового диапазона. Вопрос о степени этого влияния зависит от знака и абсолютных величин трендов основных параметров слоя F2, foF2 и hmF2.
Вторая причина состоит в том, что наблюдаемые в последние десятилетия тренды плотности и температуры термосферы значительно превосходят те тренды, которые ожидаются по теоретическим моделям. Фактически наблюдаемые тренды уже сейчас (когда рост парниковых газов составляет менее 30%) сравнимы или даже превосходят тренды, предсказанные для сценария с удвоением содержания СО2 в атмосфере Земли. В этой ситуации выявление трендов параметров слоя F2 может служить своего рода индикатором – подтверждением или опровержением – значительных изменений в термосфере и ионосфере, более сильных, чем предсказывалось на основании теоретических расчетов [Rishbeth, 1990; Roble and Dickinson, 1989].
Это определяет актуальность исследования.
Научная и практическая значимость результатов
Выявление долговременных трендов параметров ионосферного слоя F2 имеет большое значение как для научных исследований, так и для практических задач. Информация о тенденциях изменения ионосферных параметров, таких как foF2 и hmF2 может помочь в более четком понимании аэрономических процессов, которые происходят при упомянутом выше охлаждении и оседании термосферы. На основании анализа указанных изменений уже получен ряд выводов, важных для более глубокого понимания аэрономии термосферы в целом: наличие трендов зонального ветра, увеличение коэффициента турбулентной диффузии в районе турбопаузы, уменьшение количества атомного кислорода. Что же касается практических задач, то знание трендов основного «ионосферного зеркала» и характера их изменения на определенном этапе может оказаться
очень важным для включения их в прогностическую деятельность ионосферных служб и для учета при проектировании прецизионных систем, использующих распространение радиоволн различных диапазонов. Подробное сравнение результатов, полученных в основных исследованиях последних лет, с результатами, полученными в данной работе, приведено в главе 4. Здесь отметим только, что коллективный эксперимент по нахождению трендов foF2 разными методами и разными группами исследователей был проведен под руководством Я. Ластовички [Latovika et al., 2006]. В этом эксперименте все исследовательские группы использовали один и тот же массив исходных данных – измерения на ст. Juliusruh в 1977-1997 гг. Эксперимент показал, что тренды foF2 для этого периода оказались лишь немного меньше трендов, полученных в данной работе, и с некоторым разбросом дали среднее значение тренда порядка -0.1 МГц за десятилетие.
Научная новизна
Для анализа трендов был разработан новый метод «Дельта» и существенно модифицирован метод трендов.
Эти два метода основываются на предположении, что в период 1958-1980 гг. не было трендов ионосферных параметров и этот период может рассматриваться как «эталонный». Это предположение базируется, во-первых, на логике, т. к. мы ищем изменения, вызванные антропогенными воздействиями, а они стали проявляться после 1980 г. (В начале 1980-х годов появились указания на уменьшение количества озона, а в 1985 г. была обнаружена «озонная дыра» над Антарктидой, с середины 1980-х годов обратили внимание на рост количества парниковых газов и ВМО начало Программу по изучению их влияния, которое позже назвали «парниковым эффектом»). А во-вторых, указанное предположение основывается на ряде данных, показывающих, что изменения ионосферных параметров начались после 1980 г.
Метод трендов заключается в том, что для периода 1958-1980 гг. строится зависимость foF2 или hmF2 от индекса солнечной активности F10.7, которая считается «эталонной», затем для периода после 1980 г. находятся отклонения AfoF2 или AhmF2 измеренных величин foF2 или hmF2 от указанной «эталонной» зависимости для каждого года. Затем эти величины сглаживаются с окном в 11 лет, и полученные сглаженные величины наносятся на график, как функция года. Наклон линейной аппроксимации полученной зависимости дает искомый тренд k(foF2) или k(hmF2) для foF2 или hmF2, соответственно.
Метод «Дельта», разработанный автором, для определения знака трендов foF2 и hmF2 и их примерной величины, основан не на получении непосредственно величины тренда, представляющего собой скорость изменения foF2 в год, а на анализе величины «Дельта», характеризующей среднее изменение foF2 от «эталонного» периода до выбранного более позднего периода. Преимущество этого метода заключается в том, что при его использовании можно получить знак тренда и его приблизительную оценку не делая дополнительного сглаживания величин.
Важной особенностью исследования явилось то, что для каждой ситуации (станция, сезон, местное время) использовались несколько баз данных, которые дали согласующиеся между собой отрицательные тренды.
Проведенный автором анализ данных для всех проанализированных станций показал, что наблюдаются статистически значимые отрицательные тренды foF2 и hmF2 в период последних двух десятилетий. Тренды foF2 демонстрируют ярко выраженный сезонный ход - они максимальны в весенне-зимний период и минимальны (близки к нулю) летом. Зимой тренды foF2 демонстрируют хорошо выраженный суточный ход - они максимальны в околополуденные часы и минимальны ночью. Анализ знака трендов foF2 и их сезонных вариаций, проведенный при непосредственном участии автора, позволил сделать важный вывод о том,
что в последние десятилетия происходило систематическое уменьшение концентрации атомного кислорода в термосфере.
Цель и задачи работы
Цель исследования состояла в том, чтобы определить
долговременные тренды параметров слоя F2, foF2 и hmF2, и характер их изменения со временем.
Была поставлена задача – найти в различных базах ионосферных данных достаточно длинные ряды измеренных величин foF2 и М3000 (по которой вычисляется hmF2) для различных ионосферных станций и определить долговременные тренды этих параметров, используя оба указанных выше метода.
Положения, выносимые на защиту:
разработка метода «Дельта» для определения знака трендов foF2 и hmF2 и их примерной величины;
для всех проанализированных станций наблюдаются отрицательные тренды foF2 и hmF2 в течение двух последних десятилетий;
тренды foF2 демонстрируют ярко выраженный сезонный ход – они максимальны в весенне-зимний период и минимальны (близки к нулю) летом;
зимой тренды foF2 демонстрируют хорошо выраженный суточный ход – они максимальны в околополуденные часы и минимальны ночью;
количество атомного кислорода в термосфере в последние десятилетия систематически уменьшается.
Апробация работы
Основные результаты, включающие тренды foF2 и hmF2 и вывод об уменьшении в термосфере количества атомного кислорода, докладывались на 7-м Международном Симпозиуме по долговременным изменениям и
трендам в атмосфере (Буэнос-Айрес, Аргентина, 11-14 сентября 2012 г.) и были затем опубликованы в журнале J. Geophysical Research.
Результаты работы также неоднократно были представлены на конференциях молодых ученых в Институте прикладной геофизики им. Е.К. Федорова с участием специалистов по гелиогеофизике и охране окружающей среды из других учреждений Росгидромета.
Результаты диссертации докладывались также на семинарах и заседаниях Учёного совета ФГБУ «ИПГ».
Личный вклад автора
Поиск различных баз экспериментальных данных по foF2 и M3000 (hmF2), выбор соответствующих массивов, их обработка и очистка от ошибочных данных, подготовка исходных массивов данных для дальнейших расчетов.
Критический анализ исходных данных, использованных другими авторами и их корректировка с учетом выбора правильной длины ряда, а также суточных и сезонных вариаций трендов foF2.
Участие в совершенствовании и окончательной формулировке метода трендов.
Разработка метода «Дельта».
Участие в расчетах трендов, их анализе, сопоставлении с результатами других исследователей, написании статей.
Структура и объем диссертации
Результаты анализа трендов foF2
Как уже указывалось выше, мы использовали «эталонный» период 1957/1958 – 1980 гг. (ниже для краткости мы будем писать 1958–1980 гг., имея в виду, что для станций, для которых имелись данные за 1957 г., они тоже включались в анализ) для построения регрессионной зависимости foF2 от индекса солнечной активности F10.7. При этом мы исходили из двух предположений. Первое – до 1980 г. не было долговременных изменений (трендов) foF2, а потому получаемые зависимости дают нам «чистый» эффект зависимости foF2 от солнечной активности. Второе – нет оснований считать, что с 1980 г. характер зависимости foF2 от солнечной активности (от солнечного ультрафиолетового излучения, которое как раз и характеризует индекс F10.7) изменился. Иначе говоря, все отклонения величин foF2 в более поздние годы от найденной для периода 1958–1980 гг. зависимости foF2 от F10.7 отражают долговременные изменения foF2, не связанные с солнечной активностью (тренды).
Таким образом, для анализа долговременных трендов в данной работе требовались достаточно длинные ряды исходных данных, охватывающие как период 1958-1980 гг., который использовался как «эталонный», так и более поздние периоды, для которых и определялись сами тренды. В результате анализа нескольких банков ионосферных данных удалось найти требуемые ряды данных для 12 среднеширотных станций по foF2 и 10 станций по hmF2. Они и послужили основой для дальнейшего анализа.
Почти весь анализ будет вестись в данной главе в терминах величины foF2 и hmF2, которая представляет собой разницу между наблюдаемой в данной ситуации величиной foF2 или hmF2 и ее значением для соответствующего F10.7, полученного в «эталонной» зависимости для 1958– 1980 гг. Особо отметим важность двух лет – 1957 и 1958 гг. В эти годы среднегодовой индекс F10.7 составлял 230, и это позволяло построить «эталонную» зависимость для широкого интервала величин F10.7 от 60–70 до 230. Для двух из проанализированных в этой главе станций (Grahamstown и Ташкент), однако, данные по foF2 начинаются позже. В этом случае зависимость foF2 от F10.7 охватывала более узкий интервал величин F10.7 до 190.
Мы рассматриваем поведение величин foF2 для двух сезонов (январь-февраль и июнь-июль) и двух моментов суток. Первый момент соответствует 14:00 LT, а второй (SS+2) – моменту через два часа после захода Солнца. Причины выбора именно этих моментов кратко состоят в том, что в дневное время мы ожидаем более сильного влияния аэрономических параметров на возможные тренды foF2 и hmF2, а через 1–2 ч. после захода Солнца должно быть наиболее сильно влияние на эти параметры динамических процессов.
В силу описанных в предыдущем параграфе трудностей с нахождением исходных данных, мы для каждой из четырех ситуаций (14:00 LT, зима; 14:00 LT, лето; SS+2, зима; и SS+2, лето; для краткости мы будем обозначать их 14JF, 14JJ, SSJF и SSJJ) независимо проводили процедуру поиска трендов, используя несколько источников. Это могли быть «чистый» SPIDR, «чистый» Дамбольдт, «чистые» медианы, или комбинации этих банков с данными в IWG формате для периода до 1999 г. Каждую комбинацию ситуации и источника мы для краткости будем называть позицией.
Как указывалось выше, мы использовали скользящее сглаживание с 11-летним окном и полученное сглаженное значение относилось к середине рассматриваемого интервала. Мы брали величины foF2 с 1985 г. до конца имеющегося для данной ситуации ряда данных (ряды, кончающиеся ранее 2006 г. нами не рассматривались). При этом мы получали ход сглаженных величин foF2 с 1990 г. до, в лучшем случае, 2005 г. В худшем случае сглаженные точки кончались в 2001 г. Таким образом, при рассмотрении рисунков в данном параграфе следует иметь в виду, что, хотя точки кончаются в первой половине первого десятилетия нового века, реально они отражают поведение критической частоты до последних лет этого десятилетия. Мы анализировали несколько доступных источников (не менее 2-х, а желательно 4–5) для каждой ситуации на каждой рассмотренной станции. Мы выбрали 12 станций с несколькими источниками, удовлетворяющими нашим требованиям, и в сумме получили 179 позиций. Из этих 179-ти позиций только в 22-х случаях не удалось найти статистически значимого отрицательного тренда – тренд отсутствовал, или даже имел положительный знак.
Представить в работе таблицу со всеми 179-ю позициями по понятным причинам невозможно. В таблице 1.2 приведены результаты расчетов для 3-х станций с разными ситуациями (13 источников). Как следует из этой таблицы, в двух случаях (Boulder и Wallops) тренды, получаемые для разных источников, относительно близки между собой и позволяют получить для данной ситуации средний тренд с относительно небольшим разбросом данных. В случае ст. Rome ситуация иная. Получаемые для разных источников тренды варьируют от -0.019 до -0.057 МГц/год, что позволяет формальным осреднением получить среднюю величину тренда -0.041 МГц/год, но с большим разбросом данных.
В данных для ст. Rome обращают на себя внимание два обстоятельства. Во-первых, наиболее низкое, далеко отстоящее от остальных значение тренда получается для источника «медианы». Это является иллюстрацией того, о чем мы говорили выше при описании источников: медианы в ряде случаев могут давать отличающиеся от других источников результаты. Во-вторых, хорошо видно, что три источника, для которых коэффициент определенности R2 высок (0.93–0.94), дают очень близкие между собой величины тренда от -0.052 до -0.057 МГц/год, которые отличаются от трендов для двух источников с более низким R2 .
Наконец, наиболее важное отличие данных для ст. Rome от данных для ст. Boulder и Wallops состоит в том, что на двух последних станциях, в приведенных в таблице 1.2 ситуациях, отрицательный тренд начинается прямо с 1990 г., тогда как для ст. Rome он для всех источников начинается лишь с 1994 г. Примеры двух этих разных ситуаций приведены на рисунках 1.5 (начало тренда в 1990 г.) и 1.6 (начало тренда в 1994 г.).
В приведенных примерах на рисунке 1.5 наклоны аппроксимирующих линий близки, а потому все источники дают близкие величины отрицательного тренда foF2. Однако так бывает не для всех станций и ситуаций, примером чего служит ст. Rome в таблице 1.2, которую мы уже обсуждали выше. Несмотря на сглаживание, разброс точек остается иногда достаточно велик (например, для источника IWG+SPIDR для ст. Boulder), но коэффициент определенности R2 = 0.76 при числе точек N = 14 позволяет, согласно F-тесту Фишера, считать получаемый тренд достоверным со статистической значимостью выше 95%.
На рисунках типа рисунке 1.6 выраженный тренд начинается, как правило, в 1994 г. (в некоторых случаях – в 1995 г.). Этой дате обычно предшествует небольшой подъем (скачок) foF2 в 0.1–0.3 МГц. Мы ничего не можем сказать о возможных причинах этого скачка. Точка начала тренда может находиться в области небольших как отрицательных (рисунок 1.6а), так и положительных (рисунок 1.6б) величин foF2. В первом случае начальные значения foF2 чуть ниже соответствующих величин foF2 в период 1958– 1980 гг. Это выглядит естественным, так как небольшой отрицательный тренд (например, порядка 0.01 МГц в год, найденный в коллективном эксперименте [Latovika et al., 2006]) должен был привести к небольшим отрицательным значениям foF2 в районе 1990 г. Наличие небольших положительных величин foF2 в 1990–1994 гг. не вполне понятно. На наш взгляд оно может быть (также, как и положительные величины в таблице 1.2) вызвано ошибками измерений.
Как бы то ни было, все четыре графика на рисунках 1.5 и 1.6 дают отрицательный тренд для периода после 1994 г. Окончательная сводка полученных линейных трендов foF2 приведена в таблице 1.3. Приведены величины тренда, усредненные по всем имевшимся источникам для каждой ситуации. Соответствующие столбцы показывают начало и конец линейного тренда. Видно, что, хотя разброс величин тренда для разных станций велик, удается получить средние величины для каждой ситуации с допустимым стандартным отклонением SD (предпоследняя строка).
Обращает на себя внимание, однако, странный факт. Величины трендов для станций южного полушария (Hobart, Grahamstown и Townsville) помещены в таблице в соответствии с реальным сезоном (т. е. данные для января-февраля помещены в лето, а для июня-июля – в зиму). При этом эти данные «выбиваются» из своих столбцов. Например, величины -0.011 и -0.006 для ст. Townsville выглядят неуместными в зимних столбцах, где большинство остальных станций дает более высокие отрицательные тренды, и «просятся» в летние столбцы, где отрицательные тренды по другим станциям меньше.
Тренды foF2 по данным системы «SPIDR»
В главе 1 был проведен детальный анализ трендов foF2 на ряде станций мировой сети вертикального зондирования с использованием всех имеющихся источников данных. Основной упор был сделан на системе «SPIDR», данные которой тщательно проверялись на предмет удаления заведомо ошибочных величин foF2.
В главе 1 анализировались 4 ситуации: лето (июнь–июль) и зима (январь– февраль); день (14:00 LT) и ночь (2 часа после захода Солнца). Они обозначались, соответственно, как 14JJ, 14JF, SSJJ и SSJF. Мы будем использовать в данной главе эти же обозначения. Метод выделения трендов подробно описан в параграфе 1.2. Необходимо отметить, что в этой главе, как и в главах 1 и 2, а также в работах [Bremer et al., 2012; Milich and Bremer, 2013] использовался среднегодовой индекс F10.7.
Для анализа трендов foF2 после 2009 г. мы использовали абсолютно тот же метод и данные наблюдений foF2 на станциях мировой сети вертикального зондирования, взятыми из системы «SPIDR» за период до 2014 года. При этом, как и в главе 1, мы проводили «очистку» данных от заведомо ошибочных величин foF2.
При анализе «удлиненных» рядов данных, мы обнаружили, что наблюдаются два эффекта. Первый – виден хорошо выраженные загиб («крюк») во временном ходе величин foF2, по наклону которого определяется тренд. Пример такого хода foF2 для станции Slough и ситуации SSJF приведен на рисунке 3.1. Отметим, что первые точки, соответствующие описываемому загибу были заметны еще при анализе данных до 2009 г. (см. рисунки 1.5 и 1.6). Необходимо иметь в виду, что, как указывалось выше, точки на всех рисунках представляют собой результат 11-летнего сглаживания, поэтому точки 2003–2004 гг. «чувствовали» исходные данные для 2008–2009 гг.
Анализ исходных (не сглаженных) величин foF2 показывает, что рассматриваемый загиб обусловлен малыми по абсолютной величине отрицательными величинами foF2в период около минимума 2008–2009 гг. Они и приводят при усреднении к наблюдаемому эффекту «крюка» до примерно 2005 г., который потом при присоединении в процессе усреднения точек периода 2010–2014 гг. приводит к восстановлению нормального хода (падения) сглаженных величин foF2 (на рисунке 3.1 усредненный ход по пяти последним точкам показан штриховой линией). Такое поведение пяти последних точек (подчеркнем – отражающих вклад «свежих» величин foF2, полученных в 2010-2014 гг.), характерно почти для всех рисунков такого рода (см. ниже аналогичные рисунки по медианным данным foF2).
Сплошная прямая на рисунке 3.1 представляет собой линейную аппроксимацию всех точек. Очевидно, что наличие «крюка» уменьшает наклон этой прямой и, соответственно, дает меньший по абсолютной величине отрицательный тренд, чем если бы мы ограничились точками до 2003 г. Тренд на рисунке 3.1 равен -0.025 МГц в год, тогда как для той же станции и той же ситуации для данных до 2009 г. был получен тренд -0.039 МГц в год (см. выше таблицу 1.3).
Из-за наличия эффекта «крюка» и нарушения монотонного падения foF2 на рисунке 3.1, соответственно, уменьшается и величина коэффициента определенности R2, позволяющего определять статистическую значимость получаемого тренда по F-тесту Фишера. Для тренда на рисунке 3.1 R2 = 0.65, что дает согласно F-тесту Фишера статистическую значимость более 99%.
Второй эффект состоит в отсутствии выраженного «крюка», но наличии своего рода «зазубрины» на гладком ходе foF2 в те же годы, что и появление «крюка». Пример такого поведения foF2 приведен на рисунках 3.2 и 3.3 для станций Rome (SSJF) и Москва (SSJJ), соответственно. В этих случаях отклонение линейной аппроксимации для всех точке от аппроксимации до 2004 г., использованной ранее, невелико. Поэтому получаемые тренды оказываются близки к опубликованным ранее. Величины R2 достаточно велики и при имеющемся количестве точек обеспечивают статистическую значимость получаемых трендов выше 99%.
Таким образом, анализ данных системы «SPIDR» до 2014 (2015) г показывает, что в годы глубокого минимума солнечной активности 2008-2009 гг. нарушалась обычная связь между критической частотой foF2 и индексом солнечной активности F10.7. Мы еще вернемся к этому вопросу ниже.
В таблице 3.1 приведена сводка результатов, полученных описанным в данном параграфе методом для станций, которые анализировались в параграфе 1.4. Приведены тренды, полученные в данной главе (в скобках указаны величины R2) и для сравнения – тренды, приведенные выше в итоговой таблице 1.3.
Анализируя данные в таблице 3.1, следует отметить следующее. Во-первых, для всех станций и ситуаций, кроме трех, при использовании данных до 2014 г. получены отрицательные тренды, причем порядок величин этих трендов такой же, как и у трендов, полученных в главе 1. Во-вторых, в большинстве случаев полученные по данным до 2014 г. тренды несколько меньше по абсолютной величине, чем тренды по данным до 2009 г. Это обстоятельство вполне понятно: на рисунке 3.1 хорошо видно, что наличие нарушения монотонного хода foF2 («зубца») приводит к уменьшению наклона аппроксимирующей линии и, соответственно, к уменьшению k(foF2). Однако, для некоторых ситуаций (например, Rome 14JJ и SSJF, Tomsk 14JF, Boulder 14JF) тренды до 2014 г. оказываются даже несколько выше, чем более ранние тренды. Это связано с ролью последних (добавленных) пяти точек, которые дают хорошо выраженный отрицательный тренд и могут «пересиливать» эффект уменьшения наклона аппроксимирующей линии за счет «зубца». Характерно, что для всех станций и ситуаций (за исключением очень маленького тренда для ситуации Wallops Is. 14JJ) величины R2 достаточно велики и при имеющемся количестве точек (20) обеспечивают высокую (99% и выше) статистическую значимость получаемых величин k(foF2) по F-тесту Фишера.
Таким образом, на основании анализа данных системы «SPIDR» до 2014 г., проведенного в данном параграфе, можно утверждать, что и после глубокого минимума солнечной активности в 2008–2009 гг. продолжается уменьшение foF2 (сохраняются отрицательные тренды) на всех рассмотренных станциях.
Выше уже говорилось о том, что был предложен еще один метод (метод «Дельта») оценки изменения критической частоты foF2 от 1970-80-х годов к первому десятилетию XXI века. Более подробно описание метода и полученные результаты будут рассмотрены ниже в главе 5. Оказалось, что отрицательный тренд параметра «Дельта» продолжался и уменьшение foF2 по сравнению с «эталонным» периодом стало еще сильнее. Подчеркнем, что метод анализа величин «Дельта» имеет то преимущество, что не строится зависимость foF2 от времени, как на рисунках в данном параграфе, а потому наличие «зубца» не влияет существенно на результат, который определяется интегральным эффектом уменьшения foF2 по сравнению с «эталонным» периодом.
Обзор результатов других авторов
Подробный обзор многочисленных публикаций по трендам параметров слоя F2, опубликованных за последние десятилетия лет, выходит за пределы данной работы. Мы отсылаем читателей к обзору Данилова [2012], к серии статей Я. Ластовички [Lastovicka, 2009; 2017, Lastovicka et al., 2012], а также к работе [Bremer et al., 2012]. Мы сравним результаты наших определений трендов foF2 и hmF2 с результатами других авторов и обсудим возможные причины различий в получаемых трендах. Следует начать с работ [Bremer et al., 2012; Milich and Bremer, 2013], где детально исследуются тренды foF2 и hmF2 за весь период наблюдений на каждой станции. Исходными являются данные по foF2 и М3000, собранные в банке данных [Damboldt and Suessmann, 2012]. Величины hmF2 пересчитывались из величин М3000, используя известный метод Shimazaki, [1955]. Для исключения зависимости обоих параметров слоя F2 от солнечной и геомагнитной активности используются два метода: регрессионный и модельный. В регрессионном методе анализируемый параметр X (foF2 или hmF2) для всего имеющегося для данной станции массива данных представляется в виде: X(теор) = A +BR+CАp где R – число солнечных пятен, Ар – индекс геомагнитной активности, а А, В и С константы. Затем вычисляется разница X = X(экс) – X(теор), где Х(эксп) – наблюдаемая величина анализируемого параметра для конкретных условий. Величина X рассматривается затем как сумма: X = D + E год где D константа, а Е – искомый тренд в МГц/год для foF2 и в км/год для hmF2.
В модельном методе величины Х(теор) находятся не в результате анализа массива измерений, а на основании эмпирической модели [ITU, 2009], учитывающей зависимость анализируемых параметров от солнечной и магнитной активности. Дальнейшая процедура нахождения тренда в модельном методе полностью аналогична процедуре в регрессионном методе, описанной выше.
В работе [Bremer et al., 2012] показано, что результаты анализа слабо зависят от выбора того, или другого метода. Коэффициент корреляции между трендами foF2, полученными двумя методами равен 0.89. Соответствующий коэффициент корреляции в случае hmF2 равен 0.94. Bremer et al. признали различие между трендами, получаемыми двумя методами незначимым. Небольшое отличие, по их мнению, может быть связано с недостаточным учетом влияния магнитной активности в модели ITU, использованной в модельном методе.
Сравнивая результаты, полученные обоими методами при использовании индексов R и F10.7 в качестве показателей солнечной активности, авторы работы [Bremer et al., 2012] пришли к выводу, что индекс F10.7 дает более надежные результаты, особенно для периода после 2000 г.
Отметим, чтобы вернуться к этому вопросу ниже, что для каждой ионосферной станции анализируются совместно данные за все часы суток и все месяцы. При этом рассматривается весь период наблюдений, имеющихся на данной станции. Всего рассмотрены данные 37-и ионосферных станций в работе [Bremer et al., 2012] и 114 станций в работе [Milich and Bremer, 2013].
Результаты, полученные в работах [Bremer et al., 2012; Milich and Bremer, 2013], можно просуммировать следующим образом. Глобальные тренды hmF2 значимы статистически и лежат в пределах от -0.12 км в год до -0.17 км в год. Средние глобальные тренды foF2 малы и незначительно отличаются от нуля, если используются все годы. При исключении 2001 и 2009 гг. (когда, по мнению авторов, величины солнечных индексов плохо описывают изменение солнечного УФ излучения) получаются статистически значимые, но небольшие тренды от -0.0028 до -0.0002 МГц в год.
Международной группой исследователей под руководством Я. Ластовички [Lastovicka et al., 2006], был проведен коллективный эксперимент по определению трендов foF2 разными методами на основании одного и того же массива исходных данных (станция Juliusruh , 1977–1997 гг.). Результаты этого эксперимента дали, в целом, согласующиеся величины трендов (подробнее см. в работе [Lastovicka et al., 2006]). Был получен средний отрицательный тренд foF2, равный 0.01–0.02 МГц в год. Отметим, что в этом случае использовался околополуденный интервал местного времени (10:00— 14:00 LT), но большинство участвовавших групп использовали совместно данные всех месяцев года.
В работе [Cnossen and Franzke, 2014] для нахождения трендов параметров слоя F2 впервые был применен метод Ensemble Empirical Mode Decomposition (EEMD). Для сравнения проводился анализ тех же данных и широко распространенным методом линейного тренда. Результаты сравнения показали, что тренды как foF2, так и hmF2 за рассматриваемый период носят преимущественно линейный характер, но разные подходы дают разные оценки статистической значимости получаемых трендов. В целом метод EEMD как для foF2, так и для hmF2 дает более высокие отрицательные тренды.
Cnossen and Franzke [2014] использовали тот же банк ионосферных данных [Damboldt and Suessmann, 2012], который уже неоднократно упоминался выше. Величины hmF2, как в работах [Bremer et al., 2012; Mielich and Bremer, 2013] и в параграфе 1.5 пересчитывались из М3000 методом Shimazaki, [1955]. Так же, как и в работах [Bremer et al., 2012; Mielich and Bremer, 2013], Cnossen and Franzke [2014] усредняли медианные значения foF2 и hmF2 по всем часам суток и месяцам года.
Результаты анализа трендов hmF2 в работе [Cnossen and Franzke, 2014] для 19 ионосферных станций показывают, что не для всех станций наблюдаются статистически значимые тренды. В некоторых случаях значимые тренды наблюдаются только одним методом. В тех случаях, когда оба метода дают значимые тренды, их величины, как правило, различаются не сильно. Например, метод EEMD дает для станций Juliusruh и Rome величины -0.523 и -0.832 км/год. Соответствующие величины, полученные методом линейной регрессии, дают значения -0.345 и -0.652 км/год. В целом значимые тренды получены (хотя бы одним методом) для 14 станций и колеблются от -0.177 до -0.832 км/год (см. таблицу 1 в работе [Cnossen and Franzke, 2014]).
Результаты анализа трендов foF2 показывают, что только для 12 станций из 22-х исследованных хотя бы один метод дает статистически значимые тренды (см. таблицу 2 в работе [Cnossen and Franzke, 2014]). Все статистически значимые тренды отрицательны и их абсолютные величины лежат в пределах от 0.008 до 0.033 МГц/год. Исключение составляет станция Ашхабад, для которой получен очень высокий положительный тренд 0.044 МГц/год. Набор станций, использованных Cnossen and Franzke [2014], отличается от набора станций, проанализированного в главах 1 и 2. Сравнение трендов foF2 для станций, вошедших в оба набора, приведено в таблице 4.1. Легко видеть, что для станции Томск получены одинаковые величины около -0.025 МГц/год, тогда как для остальных четырех станций тренды, полученные в главах 1 и 2, заметно выше, чем тренды, приведенные в таблице 2 в работе [Cnossen and Franzke, 2014].
Результаты
В главе 1 анализировался период 1998-2010 гг. Мы сдвинули анализируемый период так, чтобы он заканчивался 2014 г. (2002-2014 гг.), но так же, как и в предыдущем случае, имел длину цикла солнечной активности. В таблице 5.1 приведены величины DfoF2 для двух указанных периодов. Как видно из этой таблицы, только в 4 случаях из 36 (выделено жирным шрифтом) отрицательная величина DfoF2 для более позднего периода (2002–2014 гг.) меньше, чем для более раннего (1998–2010 гг.). В остальных случаях отрицательная величина DfoF2 увеличилась. Последнее означает, что отрицательный тренд продолжался, и уменьшение foF2 по сравнению с «эталонным» периодом стало еще сильнее. Как мы уже подчеркивали выше, в данном случае метод анализа величин DfoF2 имеет то преимущество, что мы не строим зависимость foF2 от времени, как на рисунках в главах 1, 2 и 3, а потому наличие «крюка» или «зубца» (см. главу 3) не влияет существенно на результат, который определяется интегральным эффектом уменьшения foF2 по сравнению с «эталонным» периодом.
Таким образом, анализ данных по foF2 из системы «SPIDR», проведенный иным методом, чем в параграфе 3.1, подтверждает вывод о том, что и после минимума солнечной активности 2007–2009 гг. продолжалось систематическое уменьшение критической частоты foF2.
Как уже указывалось выше, основной задачей данной главы было, прежде всего, найти подтверждение знака полученных в предыдущих исследованиях изменений foF2 со временем (отрицательный тренд), а также полученных ранее зависимостей k(foF2) от сезона и времени суток.
Для величины D не удалось, однако, получить такого «гладкого» сезонного хода, как был получен для самого тренда k(foF2) (см. главу 2). В сезонном ходе (как для Slough, так и для Juliusruh) наблюдается резкое уменьшение величины D в апреле и сильный рост D в ноябре. Мы не смогли найти разумного объяснения последнему факту и вынуждены предположить, что ноябрьские точки – результат ошибки в исходных данных, или в данных по F10.712 для этого месяца. Однако, общий характер сезонного хода величин D и тренда k(foF2) подобен. Это положение иллюстрирует рисунок 5.2, где приведены величины D для Slough для периода 1998–2014 гг. (напомним, что все величины D даются относительно «эталонного» периода 1958–1980 гг.) и величины k(foF2) также для Slough для 12:00–14:00 LT (см. главу 2). При этом из данных для D удалена точка для ноября, о которой говорилось выше.
На рисунке 5.3 приведена связь между двумя параметрами, представленными на рисунке 5.2. Несмотря на некоторый разброс точек, эта связь хорошо выражена и статистически значима (коэффициент определенности R2, который мы всегда используем для определения статистической значимости получаемых зависимостей, равен 0.77, что при имеющемся количестве точек (11) дает значимость более 95%).
Основным (и очень важным для дальнейших аэрономических оценок) выводом из анализа сезонного хода тренда k(foF2) (см. главу 2) явилось заключение о том, что отрицательный тренд foF2 максимален в конце зимы – начале весны и минимален (близок к нулю) летом. Мы проделали соответствующий анализ для величин D для ст. Juliusruh, усредняя их для каждого анализируемого интервала за январь–февраль и июнь–август. Результаты представлены в таблице 5.2.
Таблица показывает, что для всех трех временных интервалов в дневные часы неуклонно выполняется правило: отрицательные величины D для зимне-весеннего периода значительно больше, чем летом. Это является важным подтверждением вывода о наличии сезонного хода, полученного выше в главе 2 при анализе трендов k(foF2).
Таблица 5.2 дает также подтверждение наличию суточных вариаций D: величины D для 01:00 LT существенно меньше, чем для дневных моментов (12:00 и 14:00 LT). При этом для ночного времени не наблюдается заметного сезонного хода, в полном соответствии с результатами анализа k(foF2) (см. главу 2).
Результаты исследования поведения с местным временем величины D дают в целом картину, аналогичную картине поведения величины тренда k(foF2). На рисунке 5.4 сравнивается суточный ход этих величин для ст. Juliusruh в феврале. Легко видеть, что характер суточного хода одинаков – максимальные отрицательные значения обеих величин наблюдаются в дневной период (10:00-16:00 LT), тогда как в ночное время отрицательные величины k(foF2) значительно меньше, а величины D малы, или даже слегка положительны. Следует иметь в виду, что для наглядности сравнения на рис. 5.4 приведены величины k(foF2), умноженные на 10. Величины k(foF2) дают тренд в МГц в год, тогда как величины D характеризуют изменение foF2 в МГц между двумя периодами: «эталонным» и 1998-2009 гг. При этом, естественно, величина D должна быть примерно на порядок больше k(foF2), поскольку она характеризует суммарный тренд foF2 за период 10-20 лет.
Представляет интерес вопрос о том, насколько величины D для двух рассматриваемых станций в одинаковых условиях (временной интервал, месяц, LT) коррелируют между собой. Рисунок 5.5 дает ответ на этот вопрос – хотя и наблюдается заметный разброс точек, линейная связь величин D двух станций существует и статистически значима. Величины R2 для трех рассмотренных временных интервалов равны: 0.84 (1988–2010 гг.), 0.84 (1998–2010 гг.) и 0.54 (1998–2014 гг.). Соответствующие коэффициенты корреляции r между D(Slough) и D(Juliusruh) для тех же интервалов равны, соответственно, 0.91, 0.92 и 0.73. Относительно низкие величины R2 и r в последнем случае связаны, видимо, с особенностями поведения foF2 в период глубокого минимума солнечной активности (см. выше детальный анализ проблемы в главе 3).
Для увеличения статистической надежности вывода о связи изменений D на двух станциях, мы сравнили два суммарных ряда D, включающих все три временных интервала. Это сравнение представлено на рисунке 5.6. Полученная величина R2 = 0.72 при относительно большом числе точек соответствует по критерию Фишера статистической значимости выше 99%, а соответствующий коэффициент корреляции равен 0.85. Таким образом, мы можем утверждать, что величины D, получаемые для одинаковых условий на обеих рассмотренных станциях, хорошо согласуются между собой, что является косвенным подтверждением правильности применения метода определения D.
Как уже указывалось в начале данной главы, основной целью данного исследования было проверить основные выводы о поведении тренда критической частоты слоя F2, foF2, полученные в главах 1 и 2 с помощью метода вычисления непосредственно величины тренда k(foF2), используя иной метод, основанный на анализе параметра «Дельта». При этом в процедуру определения этого параметра были внесены некоторые уточнения. Для работы с месячными медианами использовался месячный скользящий индекс солнечной активности F10.712, и вычисление величины различия foF2 между более поздними периодами и «эталонным» периодом проводилось для равномерно распределенных величин F10.7 от 90 до 180 единиц с шагом в 10 единиц.
Полученные результаты подтвердили три основных вывода, полученных выше на основании анализа самого тренда k(foF2). Все величины D получены отрицательными, что подтверждает основной вывод, полученный в главах 1, 2, 3 о систематическом уменьшении foF2 в течение десятилетий после «эталонного» периода. Хотя не удалось получить такого же гладкого сезонного хода D, как был получен для k(foF2), главный вывод, касающийся сезонных изменений, получил надежное подтверждение: все отрицательные дневные величины D для зимне-весеннего периода (январь-март) выше, чем для летного периода (июнь-август).
Также получил свое подтверждение и вывод о суточных вариациях уменьшения foF2: величины D в околополуденные часы LT существенно выше, чем в околополуночные, причем ночью не наблюдается существенного сезонного хода D.
Сравнение величин D, полученных в одинаковых условиях на двух рассмотренных станциях, показало их хорошую взаимную корреляцию, что является дополнительным аргументом в пользу использованной методики анализа.
Таким образом, приведенные в главе результаты анализа величин D подтвердили основные выводы, полученные в главах 1, 2 и 3 методом определения трендов k(foF2).