GB／T 41214-2021 标准规范下载简介

GB／T *121*-2021 空间环境(自然和人工) 地磁活动的预报方法.pdf

GB／T *121*-2021 空间环境(自然和人工) 地磁活动的预报方法.pdf简介：

GB／T *121*-2021 空间环境(自然和人工) 地磁活动的预报方法.pdf部分内容预览：

本文件为预报地磁活动的变化过程提供指导： 地磁指数用于描述一定时间范围内地磁场的变化； 一地磁指数用于描述磁层扰动的度量值。 本文件基于三类时间尺度来衡量地磁指数的预报精度和预报方法： a）短期预报（1h至数天）； b）中期预报（数周至数月）； c）长期预报（半年至一个太阳活动周）。 这些不同时间尺度的地磁指数作为磁层磁场（ISO22009）、高层大气（ISO1*222）、电离层等离子体 （ISO1**57）、磁层带电粒子及其他近地空间环境模型的输入参数，这些地磁指数也用作轨道寿命预报 和静电充电最恶劣空间环境分析的输人参数。 涉及地球磁场的三项标准包括关于内磁场的ISO1**95、关于磁层磁场的ISO22009和本文件

空间环境（自然和人工）

空间环境（自然和人工）

本文件描述了用于预报时间尺度从短期（数小时到数月）到长期（数月至数年）的地磁指数的预报 方法。 本文件适用于地磁指数和空间环境的预报

贵州省建设工程造价信息 2019第9期（总第211期）本文件没有规范性引用文件。

本文件没有规范性引用文件。

地磁场由内源场和外源场组成 王于地球核心的源电流和外源场时变引起 的固态地球和海洋中的诱导电流随时间变

GB/T*121*2021/ISO1**98:2019

磁层具有高度的动态性，时间尺度从数分钟到数天不等。太阳风是磁层动力学过程的终极源头。 在由磁重联引起的亚暴和地磁暴过程中，行星际磁场南北向分量组合Bz的作用特别重要，行星际磁场 南向分量Bs则起到了决定性作用。太阳风速度在这些磁层动力学中也扮演着重要的角色。

5.2平静水平磁场和扰动磁场

每个月按照Kp指数挑选出当月最平静的5d作为5关国际磁静日（见5.*.2）。需要注意的是，选 出的5d最平静的日子并不代表绝对的平静水平，因此，在一个扰动月份，最平静的日子不一定就会 平静。 推导：用于选择每个月磁静日的每天Kp指数基于三条判断准则：(1)8个Kp指数的和；(2)8个Kp 指数的平方和；(3)8个Kp指数的最大值。根据每条准则，整个月的每天都有一个相对的数值，计算三 条判断准则对应数值的平均值，按照平均值最小值从第一到第五选出的5天作为国际磁静日。 见参考文献[72]。 利用5天国际磁静日，能获得扰动磁场与平静水平磁场的偏差。

5.3K指数（单台站3h范围指数）

地磁K指数是从0到9变化的单台站地磁分级指数，是去除太阳宁静日（Sq)变化后的纯地磁扰动 幅度。每一个3h(UT)间隔的活动水平都与相应磁场水平分量的扰动幅度有关。每天8个K值，每连 续3h间隔（UT：0h～3h，3h*h，，21h~2*h）一个K值。 推导：地磁水平分量H和磁偏角D的范围R定义为3h间隔内，一个磁静日的平滑曲线（日常变 化)的最高偏差与最低偏差间的期望差。仅使用较大的R值，例如最强扰动时的R值，来表征基础K 值。每个观测站采用各自固定的标准规则描述R值与K值的转换关系。表1给出了尼梅克观测站R 值与K值间的固定转换规则。 见参考文献[11]、[37]和[*2]。

表1尼梅克观测站R值和K值的固定转换规

5.*Kp、ZKp、ap和Ap指数(行星性指数）

Kp、ZKp、ap和Ap是行星性地磁指数，由选定的13个中纬度观测站观测或通过计算得出，观测 见表2。每个指数的得出方式在相应条款中描述，

表2计算地磁Kp指数的13个观测站

GB/T*121*—2021/ISO1**98:2019

表2计算地磁Kp指数的13个观测站（续）

5.*.2Kp指数（行星性3h范围指数）

5.*.3ZKp指数（行星性日范围指数）

2Kp是行星性日范围指数，是每天8个Kp值的和

2Kp是行星性日范围指数，是每天8个Kp值的和

5.*.*ap指数（等效行星性3h幅度指数）

地磁扰动的测量单位为纳特斯拉（nT），Kp指数与地磁扰动间并不是线性关系，相反，引入的ap指 数与地磁扰动大致成正相关关系，一个ap单位大约对应于2nT的地磁变化。 推导：ap指数直接通过Kp转换得到，转换表见表3。 见参考文献[12]、[37]和[*2]

表3Kp指数和ap指数转换表

5.*.5Ap指数（等效行星性日幅度指数）

Ap指数通过计算每天(UT)8个ap指数的平均值获得，每天(UT)一个值，

GB/T*121*—2021/ISO1**98:2019

5.5 aa指数(共轭振幅指数）

aa指数是一个简单的描述全球地磁活动的指数，该指数能连续追溯到18*8年。 推导：aa指数由K指数产生，K指数由位于英国和澳大利亚两个近似于磁共轭点的地磁观测站测 得。观测站信息见表*。两个观测站测得的K指数通过转换表转换回振幅，见表5。aa指数通过南北 两个观测站的振幅加入加权因子入后平均计算得到，见表*。 见参考文献[3*]。

表*位于英国和澳大利亚的计算aa指数的观测站

表5K指数与振幅转换

5.*Dst指数（暴时扰动指数）

Dst指数是H分量在地面上沿地磁赤道的轴对称部分的测量值，其主要物理源是赤道环电流、等 离子体片电流和磁层顶电流的组合。 推导：Dst指数定义为表*中列出的*个观测站测得的H分量扰动变化D：（i=1～*)的平均值除 以各观测站偶极子纬度余弦（归一化到偶极子赤道)的平均值。Dst指数每小时一个值。 见参考文献[5*]和[55]。

表*计算Dst指数的*个观测台站

和SYM指数（中纬度扰

中低纬度地区的磁场扰动一般不是轴对称的，特别是在磁暴的发展阶段。为了描述中纬度地区非

GB/T*121*—2021/ISO1**98.2019

表7计算ASY/SYM指数的*个观测台站

5.8AU、AL、AE和AO指数（极光电集流指数）

极光电集流指数用于描述极光电集流强度，由AU、AL、AE和AO四个指数组成。其中，AU和 AL指数分别表示东向和西向的最强电集流强度，AE指数代表电集流的整体状态，AO指数提供了等 效带状电流的测量。 推导：极光电集流指数由位于北半球极光区的12个观测站（见表8)观测的H分量的地磁变化得 到。AU和AL指数分别定义为地磁场选定的最大值和最小值。按世界时把磁场变化曲线重叠画在一 起，曲线的上、下包络线分别是AU和AL指数，用AU减去AL得到AE指数，AU、AL的平均值为 AO指数，即(AU+AL)/2。 见参考文献[171和[301

算极光电集流指数的12个观测站和停用的3个

GB/T*121*—2021/ISO1**98.2019

表9计算am指数的观测站（续）

PC指数是描述极盖区地磁活动的指数，极盖区的地磁活动由地球效应行星际电场驱动行星际磁 场和太阳风变化引起。利用靠近北极或南极的单一观测站（见表10)计算出PCN(北部)或PCS(南部） 指数，指数单位为纳特斯拉（nT），时间分辨率为1min。 推导：PC指数由2个极盖区观测站的水平磁场H分量和D分量的偏差计算得出，计算方法见参 考文献。 见参考文献[*1]、[*2]和[*3]

表10计算PC指数的观测站

准导和时间分辨率上的时间延迟（不同级别数据

在实际使用中，上面提及的一 一些指数有不同的操作使用级别（次级）。对于推导出的准实时数据，采 用不同的命名规则，用以区分原始数据， 有实时（快视）Dst、临时Dst和最终Dst：也有研

究尝试增加指数的时间分辨率（见参考文献[*8)【沈阳市】《工业建筑节能设计导则》，见附录A。

地磁指数预报的准确性和预报方法取决于预报的时间尺度。*.2～*.*介绍了几种现有 法，这些方法主要基于三种预报时间尺度：短期预报（1h至数天）；中期预报（数周至数月）； （半年至一个太阳活动周）。其中一些预报方法已经在使用，并在网站发布预报结果，见附录B

在空间天气发展计划的推动下，出现了很多预报1h到数天地磁指数的预报方法和论文。这 可以分为四种类型：（1)线性或非线性预报；（2)机器学习；（3)利用太阳风数据进行概率预报；（*） 型（MHD模拟等。大多数预报方法需要实时的太阳风参数和准实时的地磁观测作为输人。根 表面的观测预报太阳风扰动可是改善地磁指数预报的一个关键因素。 预报举例： Kp，ap和Ap指数： ·类型（1)见参考文献[*0]、[51]； ·类型（2)见参考文献[*]、[7]、[1*]、[1*]、[21]、[57]、[59]、[*5]和[**]; ·类型（3)见参考文献[50]、[*9]； ·类型（*)见参考文献[25]。 Dst指数： ·类型（1)见参考文献[9]、[13]、[18]、[2*]和[27]; ·类型（2)见参考文献[33]、[*9]和[53] · 类型（3)见参考文献[15]、[*5]、[*7]、[58]、[*0]和[**]; · 类型（*见参考文献[23]、L28]。 AE指数： · 类型（1)见参考文献[27]、[32]和[3*] 类型（2)见参考文献[5]、[**]和[5*]； · 类型（3)见参考文献[32]； 类型（*)见参考文献[311、[38]

7.2基于统计模型的预报方法

7.2.1线性或非线性预报

W0201*012053100**5*2**标准下载GB/T*121*2021/ISO1**98.2019

线性或非线性预报方法采用前一个相似长的时间（或更长时间)间隔的数据来预报下一周期内 预报精度一般取决于最近的数据与所预报的时间之间的时间差。有两种类型的预报方法，一种 个时间间隔的数据作为输人（见参考文献[*7])；另一种使用太阳风参数作为输入（见参考 8]、[2*]、[27]、[32]、[3*]、「*1]和[51]],

有一些神经网络模型和深度学习模型适用于数天至一个太阳黑子活动周的时间尺度的预报。其 中，行星际磁场和太阳风等离子体数据是这些模型的重要输人参数（见参考文献[5]、[*]、[7]、［*9] 57][59].[*5]和[**]]