Extracting an ionospheric phase scintillation index based on 1 Hz GNSS observations and its verification in the Arctic region
Notice bibliographique
Résumé
The ionospheric scintillation, as one of the astronomical disasters occurring frequently in Arctic regions, poses great challenges to GNSS positioning navigation and timing (PNT) services. This calls for an urgent need in studying and effectively monitoring the scintillation to overcome its adverse impact. With the capability of high frequency sampling, ionospheric scintillation monitoring receivers (ISMR) are usually required to monitor the ionospheric scintillation, but the distribution of ISMR restricts the comprehensive monitoring in larger areas (such as the Arctic region). Therefore, based on GNSS observations with 1 Hz sampling, this paper studies the relevant empirical parameters and methods of extracting the ionospheric scintillation signal from the carrier phase observations by using geodetic detrending, precise point positioning and wavelet transform techniques, to construct a new phase scintillation index, which can be used to monitor the ionospheric scintillation. Its effectiveness and accuracy are verified by 188-day observations from 11 stations provided by the Canadian High Arctic Ionospheric Network (CHAIN). The results show that, compared with the commonly used ROTI index, both the scintillation index proposed in this paper and ROTI can effectively detect the occurrence of ionospheric scintillation, but the scintillation index proposed in this paper has a better correlation with the phase scintillation index given by ISMR, especially during periods with strong ionospheric scintillation, indicating that the proposed scintillation index has better ionospheric scintillation monitoring capability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».