中国上空过渡流区大气月平均状态的模拟结果

凌 超,陈泽宇

（中国科学院 大气物理研究所 中层大气和全球环境探测重点实验室，北京 100029）

0 引言

大气密度变化影响着低轨飞行器的轨道、姿态和寿命，因此航天领域经常使用大气经验模型来计算和预报大气密度。根据国内外利用卫星探测数据与大气经验模型的大量对比研究结果发现，经验模型虽然存在一定误差，但在描述高热层大气密度的变化上发挥着重要作用[1-6]；另一方面，可以利用观测数据对模型进行修正[7-10]。

随着更多亚轨道飞行器的发展，中间层和低热层区域的大气环境日益成为关注的热点[11-12]。由于这些区域的分子平均自由程与流场特征长度比值在0.1～10 之间，故又称之为过渡流区[13-15]。

针对中国区域当前应用的需求，本文采用美国海军研究实验室（Naval Research Laboratory，NRL）在MSIS（Mass Spectrometer Incoherent Scatter，质谱仪和非相干散射雷达）系列模型基础上发展的NRLMSISE-00 模型[16]开展了模拟计算和分析。MSIS 系列模型最初是由Hedin 等[17-18]建立的，经过了不断的发展和更新，详细介绍请参考文 献[19-21]。MSIS 系列模型的核心资料库源自非相干散射雷达的观测数据，被认为可以为中间层和低热层大气研究提供可靠的参考[22]。作者利用NRLMSISE-00 模型的分析结果，对中国东部和中部地区上空过渡流区80～140 km 高度的大气密度和温度的空间分布及其时变特征进行了模拟研究。在当前严重缺乏实测数据的情况下，利用经验模型得到的这些分析结果具有参考价值[23]。

1 大气模型和模拟方案

发布于2000年的NRLMSISE-00 模型[16]是面向空间环境应用的大气模型，可以覆盖从地表至逸散层的大气层区域，而且在MSIS 系列模型数据库基础上新增了大量的观测数据，如来自拖曳力/加速度计的总质量密度数据、掩星观测的氧分子数据、非相干散射雷达的温度数据等。

作为一个解析模型，NRLMSISE-00 包括一组计算机程序。对于给定的时间和空间位置，同时输入空间环境参数，模型就可以输出对应的大气密度和温度。作为外强迫的空间环境参数主要包括来自于全球地面观测网的各种指数，分别是模拟日前1 天的无线电波段（10.7 cm 波长）太阳辐射通量F107指数、地磁活动Ap 指数，以及以模拟日为中心的81 天F107 指数的平均值F107A。图1*注*：文章中所采用的NRLMSISE-00 模型从美国戈达德空间飞行中心（GSFC）下载，其中空间环境参数F107 指数和Ap指数从美国国家海洋和大气局（NOAA）下属的国家地球物理数据中心（NGDC） 获取。给出了 2001年—2013年期间太阳和地磁活动指数的逐日变化，蓝色点为F107 指数（单位：sfu，1sfu= 10-22W·m-2·Hz-1），红色线为F107A 指数，绿色点为Ap 指数。模拟时段包含了一个完整的太阳活动周期，便于分析过渡流区大气状态随太阳活动的变化特征。从图可知，描述太阳活动水平的F107 指数呈现出明显的11年周期，其中2002年处于太阳活动高年，2008年—2010年为太阳活动低年，在这之后太阳活动水平又开始逐渐增强。

针对当前关注的中国中纬度地区，作者首先选取了北京和酒泉作为参考站点，两个站点分别位于纬度相近的中国东部和中部。然后，对参考站点过渡流区大气密度和温度开展逐日模拟。同时，为了考察过渡流区大气状态随纬度的变化特征，还在酒泉站的南北分别选取了格尔木和酒泉北两个站点开展模拟工作。表1给出了这4 个参考站点详细的地理经纬度。

表1 参考站点地理位置 Table1 Locations of four reference stations

利用NRLMSISE-00 模型模拟过渡流区大气状态时把整个中间层也包括进来，因此模拟结果在垂直高度上可以覆盖50～140 km。由于显著的大气潮汐出现在80～100 km，不可忽略潮汐过程在该区域的影响，所以将模拟的时间分辨率设置为1 h。对于每个站点，首先在各高度层利用模拟得到的小时数据计算日平均值（去除周日潮汐），得到逐日平均数据集；然后，按照自然月把日平均值进行归并，得到2001年—2013年逐月的平均值，最后得到多年平均值。

2 模拟结果

对于大气密度和温度，伴随各种扰动过程的偏差相对于背景状态通常表现为一个小量。为了凸显这些小量所反映的过程，本文在描述大气密度变化时，采用归一化密度的表达方式，即=ρM/ρmean， 其中ρM为月平均密度，ρmean为多年平均密度。大气温度变化则采用温度距平的表达方式，即Ta=TM-Tmean，其中TM和Tmean分别代表月平均和多年平均温度。

2.1 40°N 大气状态的变化特征

通过比较北京站和酒泉站的模拟结果，发现两个参考站点的变化特征基本一致（图略）。这表明在当前月平均分析尺度上，这两个纬度相近的站点上空过渡流区大气密度和温度的变化是一致的，而且随经度变化较小。下面主要介绍北京站的分析结果。

图2给出了北京站上空大气温度及扰动在50～140 km 高度的分布和变化特征。图2(b)显示，在80 km 以下温度距平虽然随高度升高有所增大，但变化相对较弱，温度距平在-20～20 K 之间。在80km 以上，温度距平除随高度升高而增大以外，在一些时段还连续出现极值。在2001年—2004年期间，120 km 高度以上出现持续的温度正距平，数值可达90 K 以上；与此相反，在2005年—2011年期间相同高度出现持续的温度负距平，幅度虽比正距平要小，但在2007年—2009年期间负距平也达到-40 K的水平。与图1的对比分析表明，这两个反相的温度距平扰动与太阳活动有很好的对应关系：太阳活动高年对应温度正距平，而太阳活动低年则对应为温度负距平。与太阳活动相关的类似变化也在同高度的大气密度中出现。

图2 北京站上空大气温度分布及时变特征 Fig.2 Atmospheric temperature distribution and temporal variation at Beijing station

图3给出了北京站上空大气密度及扰动在50～140 km 高度的分布和变化特征。如图3(b)所示，在 2001年—2004年期间，120 km 以上大气密度显著偏大（归一化密度大于1），而在2005年—2011年期间大气密度则偏小（归一化密度小于1）。过渡流区大气密度随太阳活动变化的现象也出现在更高的区域，此前有报道高热层大气密度出现随太阳活动的周期变化[24-25]。

图3 北京站上空大气密度分布及时变特征 Fig.3 Atmospheric density distribution and temporal variation at Beijing station

图3(b)显示，密度扰动幅度（相对于平均值的变化）在垂直方向上的变化相对较弱，但是出现了归一化密度的变化中心，它们分别位于70 km 和100 km 高度附近。70 km 高度大气密度扰动随时间变化的主要模态是年变化；100 km 高度大气密度扰动随时间的变化则有不同，除了年变化以外开始出现明显的半年变化，并且维持到140 km 高度。

以前研究结果显示，中、高热层大气密度存在半年周期变化[24,26-28]，密度最大值出现在春季和秋季（4月和10月），密度最小值出现在夏季和冬季（7月和1月）。傅里叶谱分析的结果表明（图略），北京站上空90 km 及以上高度大气密度主要表现为半年周期变化。对于100 km，在上半年的半年变化中大气密度在3月取得最大值（正相位），6月取得最小值（负相位）。模拟结果说明过渡流区大气密度存在与中、高热层大气密度一致的半年周期变化，但密度取得最大/最小值的时间要显著早于中、高热层。基于傅里叶相位的分析结果，通过对比3月和6月的密度和温度廓线在50～140 km 的分布，可以了解半年周期过程中大气扰动的特征。

图4分别给出了3月和6月北京站上空50～ 140 km 高度大气归一化密度(a)和温度距平(b)随高度的变化特征，为了考察太阳活动对这种半年周期变化的影响，图中同时给出了太阳活动高年（2002年）和低年（2008年）的情况，图中红/蓝实线代表2002年3/6月的变化特征，而黑/绿虚线代表2008年3/6月的变化特征。图4(a)显示在90 km 以上及以下的高度，大气密度半年变化过程的相位是相反的。例如，在90 km 以上，3月份密度大于6月份密度，而在90 km 以下正好相反。由于这种密度变化的垂直分布，使得90 km 附近的大气平均密度可以比较稳定地维持约6 个月。空间环境的变化在80 km 以下对大气造成的影响很小，NRLMSISE-00 模型也没有在这个高度范围建立起空间环境变化与大气扰动的关系，因此模拟结果中空间环境对大气状态的影响只出现在80 km 以上。从图4(a)中可以看到，在115 km 高度以上，太阳活动高年的大气密度明显大于太阳活动低年的。值得注意的是，相反的变化出现在80～115 km，无论在3月或6月，大气密度在太阳活动高年均小于在太阳活动低年的情况。图4(b)给出了3月和6月大气温度距平随高度的变化特征；与图4(a)相比，温度的典型变化特征与大气密度类似。在50～65km 高度范围，温度在3月为负距平，在6月为正距平；在65～95 km 高度范围，温度距平变化则正好相反。在95 km 高度以上，温度的变化特征主要受太阳活动的影响，无论是3月还是6月，太阳活动高年的温度距平都大于太阳活动低年的，并且两者之间的绝对差随高度升高而显著增大。

图4 北京站上空大气状态在3月和6月的变化特征 Fig.4 Variation of atmospheric conditions at Beijing station in March and June

2.2 大气状态的纬度变化

为了考察过渡流区大气状态特征随纬度的变化，同时模拟了格尔木和酒泉北两个参考站点。与酒泉站结果相似，格尔木站和酒泉北站过渡流区大气变化特征与北京站结构一致。作为对比，图5和图6分别给出了酒泉北站上空过渡流区大气温度和密度的多年平均值(a)以及扰动量随时间的变化特征(b)。从图中可以看到，月平均尺度的大气密度和温度结构以及随时间的变化特征与北京站都是相似的（参见图2和图3）。但是，酒泉北站与北京站过渡流区大气状态的变化同样存在明显的差别。例如，温度的变化特征（图5(b)）显示，在90 km 以下，酒泉北站的温度扰动随时间的变化幅度要明显大于北京站相同高度的变化；在100 km 以上，温度距平极值出现的起始高度比北京站的更低且极值更大。同样，密度随时间的变化特征（图6(b)）显示，酒泉北站在80 km 附近的年变化过程要明显强于北京站同高度的年变化过程。

图5 酒泉北站上空大气温度分布及时变特征 Fig.5 Atmospheric temperature distribution and temporal variation at Jiuquanbei station

图6 酒泉北站上空大气密度分布及时变特征 Fig.6 Atmospheric density distribution and temporal variation at Jiuquanbei station

图7和图8分别给出了格尔木站（GEM）、北京站（BJ）、酒泉站（JQ）和酒泉北站（JQB）4个参考站点过渡流区大气密度和温度扰动的半年周期变化特征。图7显示4 个参考站点的大气密度扰动表现出较一致的垂直变化（详细分析结果可见2.1 节），但存在显著的纬度变化：在110 km 以下，密度扰动幅度随纬度的增加而增大，并且6月的扰动幅度大于3月的；在110 km 以上，密度扰动幅度随纬度的变化不显著，主要随太阳活动强度的变化而变化，3月的扰动幅度在太阳活动高年大于太阳活动低年，而6月则相反。同样，过渡流区大气温度扰动（图8）的变化除了前述的垂直结构以外，也显示与大气密度一致的纬度变化。在120 km 以下，大气温度扰动的幅度随纬度增加而增大；而在120～140 km，温度距平的差别很小，特别是3月， 总体表现为纬度越高，温度距平越大。温度距平随太阳活动的变化主要出现在100 km 以上，太阳活动高年（2002年）为温度正距平，3月大于6月；太阳活动低年（2008年）为负距平，6月大于3月。

图7 4 个参考站点大气密度在3月和6月的变化特征 Fig.7 Variation of atmospheric densities at four reference stations in March and June

图8 4 个参考站点温度距平在3月和6月的变化特征 Fig.8 Variation of temperature anomalies at four reference stations in March and June

3 结束语

针对过渡流区大气状态在实际应用中的重要性，本文利用NRLMSISE-00 模型对中国东部和中部地区过渡流区80～140 km 高度的中性大气密度和温度的变化特征进行了模拟研究。模拟时段从2001年—2013年，包含了最近一个完整的太阳活动周期。月平均尺度的分析结果显示中国中纬度地区过渡流区大气密度和温度随纬度和太阳活动的变化显著，随经度的变化相对较弱，大气密度和温度扰动具有典型的垂直分布和半年周期变化特征。主要结果如下：

1）4 个参考站点的大气状态具有一致的变化特征。谱分析结果显示，过渡流区大气密度的半年周期变化主要出现在90 km 及以上的高度范围。在半年变化过程中，90 km 高度以上，3月的大气密度大于6月，而在90 km 以下则出现相反的情况；在115 km 以上，太阳活动高年的大气密度明显大于太阳活动低年，80～115 km 范围则出现相反的变化。同样，大气温度也表现出相似的垂直变化特征，在50～65 km，温度3月为负距平，6月为正距平；在65～95 km，温度距平则正好相反；在95 km 以上，温度变化主要受太阳活动影响，太阳活动高年的温度距平要显著大于太阳活动低年。

2）针对过渡流区大气状态的纬度变化，联合分析了格尔木站、北京站、酒泉站和酒泉北站的大气密度和温度变化，结果显示无论是密度还是温度扰动，在中国中纬度过渡流区90～110 km 高度范围扰动幅度随纬度的增加而增大，并且在110 km以下，密度扰动幅度6月大于3月。在110 km 以上，3月的密度扰动幅度在太阳活动高年大于太阳活动低年，而6月则相反。温度距平在120～140 km高度范围随纬度的变化很小。

本文主要是针对过渡流区大气状态的月平均及其变化特征进行模拟研究。但在实际大气变化中，大气密度、温度等参数存在更短周期的变化，不同纬度和经度地区甚至可能存在显著的局地扰动。因此，需要在不同的空间环境条件下对过渡流区大气参数展开连续观测，以获取更多的覆盖更长时间的实测资料，以便分析过渡流区更短周期的大气变化和扰动特征。

（References）

[1] Forbes J M,Lu G,Bruinsma S,et al.Thermosphere density variations due to the 15-24 April 2002 solar events from CHAMP/STAR accelerometer measurements[J].J Geophys Res,2005,110,A12S27

[2] Park J,Moon Y J,Kim K H,et al.Comparison between the KOMPSAT-1 drag derived density and the MSISE model density during strong solar and/or geomagnetic activities[J].Earth Planets Space,2008,60: 601-606

[3] 汪宏波,赵长印.用CHAMP 加速仪数据校验太阳活动峰年的大气模型精度[J].天文学报,2008,49(2): 168-178 Wang Hongbo,Zhao Changyin.Use CHAMP/STAR accelerometer data to evaluate atmospheric density models during solar maximum year[J].Acta Astron Sin,2008,49(2): 168-178

[4] 翁利斌,方涵先,季春华,等.基于卫星加速度数据反演的热层大气密度与NRLMSISE-00 模式结果的比较研究[J].空间科学学报,2012,32(5): 713-719 Weng Libin,Fang Hanxian,Ji Chunhua,et al.Comparison between the CHAMP/STAR derived thermospheric density and the NRLMSISE-00 Model[J].Chin J Space Sci,2012,32(5): 713-719

[5] 陈旭杏,胡雄,肖存英,等.NRLMSIS-00 大气模型与GRACE 和CHAMP 卫星大气密度数据的对比分析[J].空间科学学报,2013,33(5): 509-517 Chen Xuxing,Hu Xiong,Xiao Cunying,et al.Comparison of the thermospheric densities between GRACE/ CHAMP satellites data and NRLMSISE-00 model[J].Chin J Space Sci,2013,33(5): 509-517

[6] 李永平,朱光武,秦国泰,等.不同高度和不同地磁扰动期间热层大气密度模式值与探测值的显著差异[J].地球物理学报,2014,57(11): 3703-3714 Li Yongping,Zhu Guangwu,Qin Guotai,et al.Significant difference of the thermospheric density between the model and observation values of satellite during different geomagnetic storm events and different altitudes[J].Chinese Journal Geophysics,2014,57(11): 3703-3714

[7] Doornbos E,Klinkrad H,Vissera P.Use of two-line element data for thermosphere neutral density model calibration[J].Advances in Space Research,2008,41(7): 1115-1122

[8] Zhou Y L,Ma S Y,Lühr H,et al.An empirical relation to correct storm-time thermospheric mass density modeled by NRLMSISE-00 with CHAMP satellite air drag data[J].Advances in Space Research,2009,43(5): 819-828

[9] 苗娟,刘四清,李志涛,等.基于实时观测数据的大气密度模式修正[J].空间科学学报,2011,31(4): 459-466 Miao Juan,Liu Siqing,Li Zhitao,et al.Atmospheric density calibration using the real-time satellite observation[J].Chin J Space Sci,2011,31(4): 459-466

[10] 陈旭杏,胡雄,肖存英,等.基于卫星数据和NRLMSISE-00 模型的低轨道大气密度预报修正方法[J].地球物理学报,2013,56(10): 3246-3254 Chen Xuxing,Hu Xiong,Xiao Cunying,et al.Correction method of the low earth orbital neutral density prediction based on the satellites data and NRLMSISE-00 model[J].Chinese Journal Geophysics,2013,56(10): 3246-3254

[11] 吕达仁,陈泽宇,郭霞,等.临近空间大气环境研究现状[J].力学进展,2009,39(6): 674-682 Lü Daren,Chen Zeyu,Guo Xia,et al.Recent progress in near space atmospheric environment study[J].Advances in Mechanics,2009,39(6): 674-682

[12] 崔尔杰.近空间飞行器研究发展现状及关键技术问题[J].力学进展,2009,39(6): 658-673 Cui Erjie.Research status,development trends and key technical problems of near space flying vehicles[J].Advances in Mechanics,2009,39(6): 658-673

[13] 沈青.认识稀薄气体动力学[J].力学与实践,2002,24(6): 1-14 Shen Qing.Get acquainted with rarefied gas dynamics[J].Mechanics in Engineering,2002,24(6): 1-14

[14] Shen C.Rarefied gas dynamics: fundamentals,simulations and micro flows[M].Berlin: Springer,2005: 1-3

[15] 樊菁.稀薄气体动力学: 进展与应用[J].力学进展,2013,43(2): 185-201 Fan Jing.Rarefied gas dynamics: advances and applications[J].Advances in Mechanics,2013,43(2): 185-201

[16] Picone J M,Hedin A E,Drob D P,et al.NRLMSISE-00 empirical model of the atmosphere: statistical comparisons and scientific issues[J].J Geophys Res,2002,107: A121468

[17] Hedin A E,Salah J E,Evans J V,et al.A global thermospheric model based on mass spectrometer and incoherent scatter data MSIS,1.N2 density and temperature[J].J Geophys Res,1977,82(16): 2139-2147

[18] Hedin A E,Reber C A,Newton G P,et al.A global thermospheric model based on mass spectrometer and incoherent scatter data MSIS,2.Composition[J].J Geophys Res,1977,82(16): 2148-2156

[19] Hedin A E.A revised thermospheric model based on mass spectrometer and incoherent scatter data: MSIS-83[J].J Geophys Res,1983,88(A12): 10170-10188

[20] Hedin A E.MSIS-86 thermospheric model[J].J Geophys Res,1987,92(A5): 4649-4662

[21] Hedin A E.Extension of the MSIS thermosphere model into the middle and lower atmosphere[J].J Geophys Res,1991,96(A2): 1159-1172

[22] Kim J S,Spencer D B,Kane T J,et al.Thermospheric density model blending techniques: bridging the gap between satellites and sounding rockets[J].Radio Sci,2009,44: RS0A22

[23] 郭正雄,李文皓,张珩,等.地球低纬区边缘大气密度的预测[J].航天器环境工程,2012,29(6): 637-644 Guo Zhengxiong,Li Wenhao,Zhang Heng,et al.Prediction of atmospheric density at earth edge in low-latitude regions[J].Spacecraft Environment Engineering,2012,29(6): 637-644

[24] Qian L Y,Solomon S C.Thermospheric density: an overview of temporal and spatial variations[J].Space Science Reviews,2012,168: 147-173

[25] 牛俊,方涵先,翁利斌.太阳活动与热层大气密度的相关性研究[J].空间科学学报,2014,34(1): 73-80 Niu Jun,Fang Hanxian,Weng Libin.Correlations between solar activity and thermospheric density[J].Chin J Space Sci,2014,34(1): 73-80

[26] Paetzold H K,Zschörner H.An annual and a semiannual variation of the upper air density[J].Pure Appl Geophys,1961,48(1): 85-92

[27] Jacchia L G.Semiannual variation in the heterosphere: a reappraisal[J].J Geophys Res,1971,76(19): 4602-4607

[28] Qian L Y,Solomon S C,Kane T J.Seasonal variation of thermospheric density and composition[J].J Geophys Res,2009,114: A01312