用于foF2长期电离层趋势分析的信号分解技术

《Global and Planetary Change》：Signal decomposition techniques for foF2 long-term ionospheric trend analysis

电离层foF2长期趋势检测采用四种信号分解技术（EMD变体、STL、SSA、傅里叶变换），并与传统线性回归及大气模型比较。结果显示F15太阳指数趋势（-0.7%/decade）与模型预测一致，而F10.7趋势低于预期（-0.1到-0.2%/decade）。傅里叶变换结果最一致，CEEMDAN需相同滤波步数。验证了复杂方法在趋势检测中的有效性，并指出太阳指数选择对结果的影响。

　　在研究大气层中长期趋势时，科学家们面临诸多挑战，主要源于趋势的强度与自然变化模式之间的关系、数据误差、样本数量以及时间序列的自相关性。这些因素共同影响着趋势检测的准确性。因此，为了更好地理解大气层的变化，尤其是电离层中的关键频率foF2的变化趋势，研究人员采用了一系列先进的信号分解技术。这些技术包括经验模态分解（EMD）的一种变体、使用洛斯特（Loess）方法的季节性和趋势分解（STL）、奇异谱分析（SSA）以及傅里叶变换（FT）。通过将这些方法应用于电离层数据，科学家们能够更精确地识别和量化长期趋势。

电离层作为地球大气层的一部分，对电磁波的传播起着至关重要的作用。它直接影响无线电通信、导航系统和卫星定位技术的性能。因此，准确地描述和建模电离层的行为对于这些技术的可靠性至关重要。在电离层中，foF2是一个关键参数，它与峰值电子密度NmF2呈平方关系。科学家们发现，近年来大气环流模型模拟的结果表明，由于人类活动导致的温室气体浓度增加，foF2呈现全球范围内的长期下降趋势，幅度约为每十年-0.7%。这一趋势的出现与电离层中自然变化的相互作用密切相关，例如太阳活动周期和地磁场的长期变化。

为了准确估计这些长期趋势，研究者需要对时间序列中的其他变量进行处理。例如，太阳活动周期会产生显著的周期性变化，而地磁场的变化则会在某些地区（如南美洲和大西洋）表现出更强的区域影响。然而，地磁场变化在全球范围内的影响相对较弱，因此在本研究中，所选的中纬度站点（如日本的Wakkanai、澳大利亚的Canberra和Townsville、美国的Boulder等）使得地磁场的影响在大多数情况下远小于温室气体浓度变化带来的影响。

本研究使用了从1976年到2022年的数据，涵盖了9个站点的foF2月度中位数时间序列。这些站点的数据记录时间较长且具有较高的可靠性，确保了研究结果的准确性。此外，研究还分析了五种太阳辐射指数，这些指数在无线电波长范围内与电离层数据表现出强烈的线性相关性。通过将这些太阳辐射指数与电离层数据进行比较，研究者能够更全面地理解太阳活动对电离层变化的影响。

在信号分解技术的应用过程中，研究人员发现不同的方法会产生不同的结果。例如，当使用太阳辐射指数F15进行分析时，结果与大气环流模型的预测趋势（每十年-0.7%）较为一致，而STL和SSA方法则显示出更明显的负趋势（每十年-0.8%）。傅里叶变换（FT）方法的结果为每十年-0.5%。尽管这些方法在某些方面表现出差异，但总体而言，它们都能提供有价值的趋势信息。值得注意的是，FT方法在本研究中表现出最高的结果一致性，这表明它在处理周期性变化和趋势分离方面具有一定的优势。

然而，研究也指出，某些太阳辐射指数（如F10.7）的趋势估计结果低于预期。例如，SSA和STL方法对F10.7的分析结果显示每十年-0.2%的负趋势，而FT方法则得到每十年-0.1%的负趋势。这可能与太阳辐射指数本身的特性有关，因为F10.7主要用于描述太阳活动的短期变化，而F15则在长周期变化中表现出更强的相关性。因此，研究者认为F15可能是更合适的趋势估计指标，特别是在处理长期变化时。

为了进一步验证这些趋势估计方法的有效性，研究者将它们与经典的双步线性回归方法进行了比较。传统的双步线性回归方法通常用于从电离层数据中过滤太阳活动的影响，其基本原理是通过线性回归模型计算太阳活动对电离层变化的贡献，然后从观测数据中减去这一部分，从而得到长期趋势。然而，这种方法依赖于所选择的太阳活动指标，因此可能会导致趋势估计结果的偏差。相比之下，信号分解方法能够在每个时间序列中独立应用，从而更全面地捕捉到周期性和趋势的变化。

此外，研究还发现，使用更复杂的信号分解技术（如CEEMDAN）可以得到可靠的趋势估计，但前提是太阳活动数据和电离层数据必须在相同的滤波步骤中进行处理。这表明，尽管先进的方法可以提供更精确的结果，但它们的应用需要更加细致的处理和校准。因此，在实际操作中，研究者需要权衡不同方法的优缺点，并根据具体的研究目标选择最合适的技术。

本研究的成果对于理解电离层的长期变化具有重要意义。通过比较多种信号分解技术的结果，研究者不仅验证了这些方法在趋势估计中的有效性，还揭示了不同太阳活动指标对趋势估计的影响。这一发现对于未来的电离层研究提供了新的思路，尤其是在探讨人类活动对大气层的影响时。同时，研究也强调了实验数据与模型模拟之间的一致性对于确认趋势来源的重要性。只有当实验结果与模型预测高度吻合时，才能更加可靠地确认趋势的驱动因素。

在实际应用中，电离层的变化不仅受到太阳活动的影响，还可能受到其他因素的干扰。例如，地磁场的变化、太阳风的波动以及人为活动（如电离层加热实验）都可能对电离层参数产生影响。因此，在进行趋势分析时，研究者需要综合考虑这些因素，并采用合适的方法进行过滤和分离。本研究通过引入多种信号分解技术，为这一过程提供了新的工具和方法，有助于更准确地识别和量化电离层的长期变化。

此外，研究还指出，虽然传统的双步线性回归方法在趋势估计中被广泛使用，但其结果可能会受到所选太阳活动指标的影响。例如，在太阳活动极小年（如2008年和2019年），实验数据与模型预测之间出现了显著的差异。这表明，某些太阳活动指标可能无法完全反映电离层的变化趋势，尤其是在太阳活动周期的极端阶段。因此，使用更复杂的信号分解技术可以帮助研究人员更全面地理解这些变化，并减少由于太阳活动指标选择不当而导致的误差。

总的来说，本研究通过比较多种信号分解技术，揭示了电离层长期趋势的复杂性，并提供了新的方法来提高趋势估计的准确性。这些方法不仅能够有效分离周期性变化和长期趋势，还能减少太阳活动对趋势估计的干扰。研究结果表明，F15太阳辐射指数可能是目前最可靠的趋势估计指标，特别是在处理长期变化时。这为未来的电离层研究提供了重要的参考，并有助于更准确地预测和理解大气层的变化趋势。