混合数据同化电离层模型

电离层VTEC精准重构

一种融合卡尔曼滤波与深度学习的混合同化方法，用ConvGRU预报作为前向模型，能持续修正背景场并快速获得物理自洽的误差协方差，实现对全球电离层VTEC的高精度分析。

吴梦婕 · 郭鹏 · Fu, Naifeng · Gao Y. · Xue, Junchen · Pang B.Z. · Cai Y.H.

Journal of Geophysical Research: Space Physics 2026

参数信息

与GIM对比的VTEC标准差

4.7 TECU

与JASON-3对比的VTEC标准差

5.57 TECU

技术优势

误差协方差快速稳定

利用深度学习预报作为前向模型，在卡尔曼滤波过程中无需手动调整，即可持续修正背景场并快速获得物理自洽的误差协方差。

单数据源即可维持精度

即使只利用单一数据集（如仅地基GNSS）进行同化，模型精度也无显著退化，降低了对多源数据同时可用的依赖。

磁暴条件下依然可靠

在地磁扰动条件下，该混合同化方法仍能出色地构建电离层VTEC分析场，适合极端空间天气事件监测。

应用场景

• 高精度GNSS定位：实时修正电离层延迟，提升厘米级定位精度。
• 低空飞行器导航：为低空飞行器提供及时的电离层误差纠正，保障安全运行。
• 卫星互联网链路：预测电离层闪烁对信号的影响，优化链路调度。
• 空间天气监测：提供高分辨率全球VTEC分析场，支持空间天气事件预警。