基于超算的全球电离层模型快速并行解算

施闯, 王成, 张涛

施闯, 王成, 张涛. 基于超算的全球电离层模型快速并行解算[J]. 武汉大学学报 ( 信息科学版), 2018, 43(12): 2093-2098. DOI: 10.13203/j.whugis20180114
引用本文: 施闯, 王成, 张涛. 基于超算的全球电离层模型快速并行解算[J]. 武汉大学学报 ( 信息科学版), 2018, 43(12): 2093-2098. DOI: 10.13203/j.whugis20180114
SHI Chuang, WANG Cheng, ZHANG Tao. Rapid Parallel Estimation of Global Ionospheric Model Based on Supercomputer[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2093-2098. DOI: 10.13203/j.whugis20180114
Citation: SHI Chuang, WANG Cheng, ZHANG Tao. Rapid Parallel Estimation of Global Ionospheric Model Based on Supercomputer[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2093-2098. DOI: 10.13203/j.whugis20180114

基于超算的全球电离层模型快速并行解算

基金项目: 

国家自然科学基金 41804026

国家重点研发计划 2016YFB0501802

详细信息
    作者简介:

    施闯, 博士, 教授, 国家杰出青年, 主要从事卫星导航定位理论与方法研究。shi@whu.edu.cn

    通讯作者:

    王成, 博士。acex@foxmail.com

  • 中图分类号: P228

Rapid Parallel Estimation of Global Ionospheric Model Based on Supercomputer

Funds: 

The National Natural Science Foundation of China 41804026

the National Key Research and Development Program of China 2016YFB0501802

More Information
    Author Bio:

    SHI Chuang, PhD, professor, National Distinguished Young Scholar, specializes in space geodesy and GNSS positioning and navigation. E-mail: shi@whu.edu.cn

    Corresponding author:

    WANG Cheng, PhD. E-mail: acex@foxmail.com

  • 摘要: 为应对日益丰富的观测数据以及数据再处理对高性能计算的需求,开发了基于OpenMP以及MPI(Message Passing Interface)并行计算的全球电离层快速建模算法。采用武汉大学超级计算机对全球电离层建模效率进行了不同并行计算方案的实验。结果表明,采用多节点MPI并行计算能够极大地提高数据处理效率,相比传统单节点串行计算提高了近30倍,相比单节点OpenMP并行计算提高了近3~4倍。MPI并行计算方案充分利用了丰富的计算机资源来提高全球电离层建模效率,对电离层建模算法的快速测试、产品的重新再处理具有重要作用,对多系统全球导航卫星系统(Global Navigation Satellite System,GNSS)快速精密定轨、大规模GNSS网解也有较好的参考价值。
    Abstract: An Algorithm of global ionospheric rapid modeling based on OpenMP and MPI (message passing interface) parallel computing is developed to meet the requirement of high performance computing for the massive data and reprocessing. The supercomputer of Wuhan University is used for modeling the global ionosphere with kinds of parallel computing approaches. The results indicate that it can significantly improve the efficiency of data processing by applying multi nodes with MPI parallel computing technology. Compared to traditional single node with serial computing and parallel computing, the efficiency has increased by 30 times and 3 to 4 times, respectively. The MPI parallel computing approach takes full advantage of rich computing resources to promote the efficiency of global ionospheric modeling. It is very useful for rapid test of algorithms and reprocessing of modeling. Also, it has reference significance to precise orbit determination of multi GNSS (Global Navigation Satellite System) as well as huge GNSS network solutions.
  • 电离层是日-地空间系统的重要组成部分,会对无线电波产生折射、散射、极化面旋转等影响,对基于无线电波的对地观测技术造成延迟误差,如GPS的电离层延迟[1]、合成孔径雷达(synthetic aperture radar,SAR)的相位超前、群延迟以及法拉第旋转(Faraday rotation,FR)等[2]。此外,电离层变化与地震也存在一定关系[3-4]。因此,研究电离层不仅可以了解整个日-地空间系统,而且可以估计空间环境效应对无线电通信的影响。

    总电子含量(total electron content,TEC)和电子密度是研究电离层的两个关键参数。TEC表示穿过电离层的单位截面柱体中电子数之和,反映了电离层的二维空间信息;而电子密度则描述了电离层三维空间结构信息,不仅包含电离层的水平结构信息,还包含了垂直结构信息。目前,GPS通过发射不同频率的信号获取垂直总电子含量(vertical total electron content,VTEC)[5-6];电离层与气候星座观测系统(the constellation observing system for meteorology,ionosphere,and climate,COSMIC)通过掩星事件获取电子密度剖线[7];非相干散射雷达(incoherent scattering radar,ISR)利用散射信号获取连续时间段内的电子密度剖线[8];电离层测高仪通过发射高频脉冲波并测量反射回波延迟获取F2层临界频率(foF2)等电离层参数[9];国际参考电离层(international reference ionosphere,IRI) [10]和差分整合移动平均自回归模型 [11]等也可获取VTEC和电子密度。然而,上述方法都存在空间分辨率不足的问题,而星载SAR凭借全天时、全天候、空间分辨率高等优点,已成为研究高空间分辨率电离层参数的重要手段。

    文献[12]根据FR角与TEC之间的关系,利用全极化SAR数据计算了地磁北极及加科纳地区的TEC,证明了使用星载SAR数据反演TEC的可能性;文献[13]提出了利用距离分频法获取TEC的方法,将获取高空间分辨率TEC的方法拓展到单极化SAR领域;文献[14]提出了利用双波段路径延迟获取TEC的方法,进一步证实了分频法估计TEC的可行性;文献[15]利用全极化先进陆地观测卫星(advanced land observing satellite,ALOS)/相控合成孔径雷达(phased array type L-band synthetic aperture radar,PALSAR)数据,分别计算了高、中、低纬度地区的TEC分布,并分析了不同纬度的电离层特征;基于传统双波段路径延迟的方法,文献[16]提出了三波段路径延迟法,该方法可获取去除多重散射误差后的TEC;文献[17]提出了利用方位向子波段获取hmF2以及漂移速度场等电离层参数的方法,并使用ALOS-1/2数据进行实验,获取了相应的电离层参数结果;文献[18]使用全极化ALOS PALSAR数据反演了3组VTEC结果,并将其与ISR在几乎同一时空的实测数据进行比较,首次利用实测数据验证了利用全极化SAR反演VTEC的有效性。

    目前利用SAR估计电离层参数只能获取二维的VTEC分布,难以获取精细化的三维电子密度分布。基于此,本文利用全极化SAR计算得到的VTEC联合IRI的电子密度剖线信息,提出了一种三维电子密度分布估计方法。

    本文方法的具体流程如图 1所示,首先利用全极化SAR数据计算FR角;然后根据得到的FR角结合磁场信息计算VTEC;最后联合IRI模型的电子密度剖线求解三维空间电子密度分布。

    图  1  本文方法流程图
    Figure  1.  Flowchart of the Proposed Method

    对于全极化SAR系统,观测值散射矩阵M可表示为[19]

    MHHMVHMHVMVV=Aejφ1δ2δ1f1cosΩsinΩ-sinΩcosΩSHHSVHSHVSVVcosΩsinΩ-sinΩcosΩ1δ3δ4f2+NHHNVHNHVNVV

    式中,A为雷达系统的总体增益;j为复数;φ为双程相位延迟;δ1δ2δ3δ4为因发射与接收的非完全独立性导致的串扰;f1f2为通道失配;Ω为单程FR角;S为真实散射系数;N为附加噪声;角标代表不同极化方式,HH(horizontal horizontal)表示水平发射水平接收的同向极化方式,VV(vertical vertical)表示垂直发射垂直接收的同向极化方式,VH(vertical horizontal)表示垂直发射水平接收的交叉极化方式,HV(horizontal vertical)表示水平发射垂直接收的交叉极化方式。经系统误差改正后的观测值散射矩阵为[20-21]

    MHHMVHMHVMVV=cosΩsinΩ-sinΩcosΩSHHSVHSHVSVVcosΩsinΩ-sinΩcosΩ

    根据真实散射矩阵的散射互易性(SHV=SVH),式(2)可变为:

    MHH=SHHcos2Ω-SVVsin2ΩMVH=SHV+(SHH+SVV)sinΩcosΩMHV=SHV-(SHH+SVV)sinΩcosΩMVV=SVVcos2Ω-SHHsin2Ω

    由于法拉第旋转效应,观测值散射矩阵的MHVMVH,因此可根据式(3)解算FR角Ω。由式(3)可导出多种FR角估计器[22-24],其中Bickel and Bates估计器最为稳定,计算如下:

    Ω=14arg(Z12Z21*),-π4<Ω<π4
    Z11Z12Z21Z22=1jj1MHHMVHMHVMVV1jj1

    式中,arg()表示取幅角函数;*表示共轭数。

    SAR信号穿过电离层产生的FR角可表示为[13]

    Ω=2.365×104f2neBcosθds

    式中,f为信号频率;ne为电子密度;B为磁场强度;θ为磁场与SAR信号夹角;neds表示沿信号传播路径对电子密度积分。考虑到积分路径(信号传播路径)上B近似成线性变化,且cosθ几乎不变,因此取路径上的平均磁场强度B0作为B,式(6)可变为:

    Ω=2.365×104f2B0cosθsecϕVTEC

    式中,ϕ为SAR入射角。对式(7)进行变换后得:

    VTEC=Ωf22.365×104×B0cosθsecϕ

    由此可知,在磁场信息已知的情况下,可由FR角计算VTEC。

    IRI是根据真实观测数据结合电离层模式形成的经验模型,可提供高时空分辨率的全球电离层参数。然而,由于观测数据相对较少,电离层特性不稳定,IRI模型计算得到的VTEC以及电子密度的精度不理想。由于SAR数据计算的VTEC具有较高的可靠性,因此本文基于SAR数据计算的VTEC对IRI模型的电子密度进行改正,得到较高可靠性的三维空间电子密度分布。IRI可提供全球60~2 000 km的电子密度,根据VTEC的定义,可得到IRI模型的VTEC,计算如下:

    VTECIRI=h=HminHmaxN(h)

    式中,VTECIRI为IRI模型的VTEC;N(h)为IRI高度为h (单位:km)处的电子密度;HmaxHmin分别为计算VTEC时的最大、最小高度。由于IRI提供的电子密度存在误差,从而导致估计的VTEC也存在误差。本文利用SAR数据计算的VTEC对IRI电子密度进行改正,计算如下:

    N̂(h)=N(h)×VTECSARVTECIRI

    式中,N̂(h)为改正后高度h(单位:km)处的电子密度;VTECSAR为SAR数据计算的VTEC。为了验证改正方法的合理性,对改正后的电子密度求和得到:

    h=HminHmaxN̂(h)=VTECSARVTECIRIh=HminHmaxN(h)

    将式(9)代入式(11)中得到:

    h=HminHmaxN̂(h)=VTECSAR

    综上,经改正后,IRI模型VTEC与SAR计算的VTEC相等。

    为了验证本文方法的可行性,利用全极化的ALOS-1/PALSAR数据进行实验。实验区域位于美国阿拉斯加地区,分别采用升轨(实验一)和降轨(实验二)数据来验证VTEC和电子密度结果,数据详细参数如表 1所示。

    表  1  实验使用的SAR影像
    Table  1.  SAR Images Used in the Experiment
    实验 日期 入射角ϕ/(°) 飞行方向 轨道高度/km 轨道号 影像号 采集时间
    实验一 2007-04-01 23.94 升轨 695 243 1250~1260 07:28
    实验二 2009-08-03 23.98 降轨 695 618 2270~2310 21:08
    下载: 导出CSV 
    | 显示表格

    数据覆盖范围如图 2所示,褐色矩形为实验一研究区域,黑色矩形为实验二研究区域,红色星号为ISR测站(Poker Flat测站),红色三角形为GPS观测站所在的费尔班克斯城。为了验证实验结果,收集了SAR对应时间和位置的ISR数据。

    图  2  研究区域
    Figure  2.  Study Area

    本文利用收集到的全极化数据计算FR角,首先,读取全极化SAR数据并构建观测值散射矩阵M;其次,采用Bickel and Bates FR角估计器计算FR角,根据式(5)计算Z12Z21*;然后,对计算的Z12Z21*进行多视处理以减小运算量,本文实验中多视比距离向为2,方位向为14;最后,利用自适应光谱滤波器对多视后的Z12Z21*进行滤波,并根据式(4)计算FR角,结果如图 3所示。

    图  3  研究区法拉第旋转角分布
    Figure  3.  Distribution of FR Angles in Study Area

    图 3(a)为实验一FR角分布图,可以看出明显的FR角异常现象。对数据进行统计可知FR角最大值为13.4°,最小值为3.2°,平均值为6.1°。根据法拉第效应分析,该研究区域上空的磁场和电离层的共同作用使得SAR信号发生了极化面的旋转,从而产生了FR角。图 3(b)为实验二FR角分布图。对FR角进行统计分析发现FR角最小值为2°,最大值为2.2°,平均值为2.1°。该研究区域FR角较为稳定,变化区间大小仅为0.2°,推断实验二没有电离层异常事件。

    首先,基于FR角,可由式(8)计算VTEC分布,获取国际参考地磁场(international geomagnetic reference field,IGRF)提供的磁场强度、磁倾角以及磁偏角,由于ALOS卫星飞行高度为700 km左右,地磁场在高度向近似成线性变化,且分析电离层模型得出电离层通常在300 km左右电子密度达到峰值,本文使用高度为300 km的值作为磁场信息平均值;其次,利用数字高程模型(digital elevation model,DEM)和SAR成像参数计算SAR入射角ϕ的分布图;然后,将SAR入射角ϕ以及磁场信息转换到SAR坐标系下,并计算磁场与SAR入射角ϕ之间的夹角θ的分布;最后,根据式(8)计算研究区域VTEC分布图,结果如图 4所示。

    图  4  研究区域VTEC分布图
    Figure  4.  Distribution of VTEC in Study Area

    图 4可以看出,实验一的VTEC最大值为33.4 TECU,最小值为7.9 TECU,平均值为15.2 TECU;实验二的VTEC最大值为5.3 TECU,最小值为4.8 TECU,平均值为5.2 TECU。结合图 3可以看出,VTEC分布与FR角分布趋势相似。这是因为VTEC由FR角和磁场信息共同得到,且本实验中,磁场信息的变化相对于FR角的变化较小,因此得到的VTEC和FR角高度相关。在实验一中,VTEC变化区间较大,VTEC变化可达20 TECU左右,推测存在电离层异常事件;在实验二中,VTEC变化较小,仅为0.5 TECU,不存在电离层异常事件。但在图 4(d)中,方位向4 000行左右出现了一个较小的沟壑,通过查看研究区域的卫星影像发现该位置为费尔班克斯城的水域,推测为该水域影响了SAR信号后向散射系数,导致VTEC出现误差。

    首先根据IRI模型获取研究区域的电子密度剖线;然后由SAR数据计算的VTEC对电子密度剖线进行改正,从而获得整个区域三维电子密度分布。在计算IRI VTEC时,IRI模型的输入值为时间、经纬度以及高度范围,其中时间为2009年年积日第215天21:08,经纬度与实验二SAR数据覆盖范围相同,高度范围为80~700 km。IRI模型输出值为对应时空80~700 km的电子密度,将IRI模型输出的电子密度相加可获取VTEC。由于SAR飞行高度约为700 km,假设空间中每千米的电子密度分布均匀,且电离层通常位于80 km上方,因此式(10)中h为80~700 km,按每千米分层,约620层。考虑到后续验证的需要,这里只显示了实验二的三维电子密度。

    图 5为实验二不同高度处的电子密度分布。由图 5可知,电子密度在300 km和400 km处较大,在其他高度则较小。

    图  5  实验二的三维电子密度分布
    Figure  5.  Estimated 3D Electron Density Distribution in Experiment 2

    图 6图 5AA'连线的剖线,反映了不同高度的电子密度在方位向的变化趋势。由图 6可知,研究区域不同高度的电子密度在方位向有着相似的变化趋势,且该趋势近似于图 4(d)的VTEC变化趋势;同时由剖线可知,VTEC中的沟壑现象同样出现在了电子密度剖线中;在本文方法中,电子密度结果与使用的VTEC密切相关。

    图  6  不同高度处水平电子密度剖线
    Figure  6.  Profiles of Electron Density at Different Altitudes

    为验证FR角估计VTEC的可靠性,分别利用GPS和ISR数据验证实验一和实验二结果。实验一中SAR获取位置和时刻无对应ISR数据,因此使用附近的GPS数据进行验证。图 7(a)为GPS在实验一SAR获取时间段内的轨迹,红色矩形为实验一研究区域,红色五角星为GPS测站,图 7(b)为GPS估计的VTEC数据,棕色虚线为SAR数据采集时间。由图 7(b)可知,在07:30左右,GPS VTEC突然上升,验证了之前对电离层异常的推测。此外,GPS在SAR采集时间的VTEC为18.3 TECU,SAR数据VTEC平均值为15.2 TECU,差值为3.1 VTEC。两者虽有一定差距,但考虑到GPS数据在时间和空间上与SAR数据范围并未完全对应,会导致两者存在误差,可以认为两者在电离层扰动情况下计算的VTEC有相当的一致性。对于实验二,SAR获取位置和时刻附近GPS轨迹相隔较远,因此利用精度更高的ISR数据进行验证。对实验二SAR卫星时刻的ISR电子密度进行积分,计算出ISR VTEC为5.5 TECU,SAR VTEC为5.3 TECU,两者相差0.2 TECU,进一步验证了SAR估计VTEC的可靠性。

    图  7  GPS飞行轨迹以及实验一得到的VTEC
    Figure  7.  GPS Flight Trajectory and GPS-Derived VTEC at SAR-Acquired Time in Experiment 1

    为验证本文方法估计三维电子密度的可靠性,使用ISR实测的电子密度对三维电子密度结果进行验证。由于在实验一的研究区域及时间没有对应的ISR数据,因此使用Poker Flat测站2009年年积日第215天21:06 ISR的电子密度数据验证实验二的电子密度结果。考虑到ISR数据与实验二SAR数据采集时间仅相差2 min,且该时间段电离层没有异常活动,因此认为可将ISR电子密度数据作为真实的电子密度结果与本文结果进行比较分析,结果如图 8所示。

    图  8  SAR估计的电子密度误差分布
    Figure  8.  Errors Distribution of Electron Density Estimated by SAR

    图 8(a)为ISR、IRI及本文方法获取的电子密度数据,其中蓝色菱形符号为ISR数据,红色实线为IRI电子密度剖线,棕色虚线为经本文方法改正后的电子密度剖线。由图 8(a)可知,改正前IRI的电子密度普遍高于ISR电子密度,推测原因为IRI的VTEC估值偏高导致其电子密度也偏高。在改正后,电子密度偏高现象得到明显改善,分析原因为SAR数据计算的VTEC与真实的VTEC更为接近,因此使用SAR计算的VTEC进行改正后改善了原来电子密度偏高的现象。对误差进行统计发现,改正前IRI电子密度误差和为8.14×1011/m3,改正后电子密度误差和为5.41×1011/m3,整体误差减少了33.57%。

    为进一步对比不同高度处的电子密度精度,将ISR获取的电子密度作为真值,计算了IRI与本文方法的误差,如图 8(b)所示,红色条形图为IRI与ISR电子密度差值的绝对值,蓝色条形图为本文方法与ISR电子密度差值的绝对值。由图 8(b)可知,对于低于地球表面133 km部分的电子密度结果,本文方法获取的电子密度误差更大;对于高于地球表面133 km部分的电子密度结果,本文方法获取的电子密度精度明显高于IRI模型。统计结果发现,IRI在133 km以下误差为7.2×1010/m3,133 km以上误差为7.42×1011/m3;本文方法133 km以下误差为1.55×1011/m3,133 km以上误差为3.86×1011/m3,误差减少了47.98%。通过查询相关资料后发现,IRI模型在低空部分使用的是垂测站和火箭探测的数据,而在高空部分使用的是卫星探测数据[25]。再考虑到在研究区域附近存在ELELSON垂测站,因此推测在该研究区域IRI模型低空部分的电子密度本身可靠性较高,而本文方法改正时对所有高度进行了等比例的调整,导致低空部分改正后误差增大。

    本文提出一种利用全极化SAR数据结合IRI模型估计高空间分辨率三维电子密度分布的方法,并选择覆盖阿拉斯加地区的ALOS-1全极化数据进行实验,对结果进行分析得出如下结论:

    1)利用全极化SAR能够获取高空间分辨率的VTEC分布。基于FR角与VTEC之间的关系,利用全极化SAR数据计算了研究区域VTEC分布,并利用GPS和ISR数据验证可靠性。结果发现,实验一获取的含有电离层异常扰动的VTEC与GPS估计的VTEC相差3.1 TECU,实验二利用SAR估计的VTEC与ISR的VTEC相差0.2 TECU,证明了利用全极化SAR估计VTEC分布的可靠性。

    2)基于SAR获取了高精度VTEC,并联合IRI电子密度剖线获取了研究区域三维电子密度分布。结果发现,在不同高度处的三维电子密度不同,300~400 km处较大,而在其他高度处相对较小,且不同高度的电子密度在水平方向具有相似的分布趋势。将结果与ISR数据对比后发现,本文方法获取的电子密度在整体误差上比IRI模型少33.57%,在低于133 km高度的误差比IRI模型大,在高于133 km高度的误差比IRI模型少47.98%,这与IRI模型所使用的数据相关。

    致谢: 本文的数值计算得到了武汉大学超级计算中心的计算支持和帮助。特别感谢武汉大学信息中心洪正国老师、测绘学院黄曦老师对笔者在超算使用和并行编程方面的帮助。
  • 图  1   MPI并行计算的执行过程

    Figure  1.   The Executing Process of MPI Parallel Computing

    图  2   hpxg分区不同线程数量时建模的数据处理耗时

    Figure  2.   Time Consumption of the Modeling with Different Number of Threads Under hpxg Section

    图  3   fat分区不同线程数量时建模的数据处理耗时

    Figure  3.   Time Consumption of the Modeling with Different Number of Threads Under fat Section

    图  4   不同节点数量时MPI并行计算总耗时和各节点平均耗时

    Figure  4.   Total Time Consumption and Average Time Consumptionof Nodes by Using MPI Parallel Computing with Different Number of Nodes

    表  1   hpxg分区不同线程数时建模所消耗的时间

    Table  1   Time Consumption Table of the Modeling with Different Number of Threads Under hpxg Section

    线程数 时间/min
    1 121.87
    2 58.88
    4 36.97
    8 19.90
    12 14.52
    16 12.77
    下载: 导出CSV

    表  2   fat分区不同线程数时建模所消耗的时间表

    Table  2   Time Consumption Table of the Modeling with Different Number of Threads Under fat Section

    线程数 时间/min
    1 153.34
    2 79.51
    4 43.31
    8 27.09
    16 15.20
    32 9.28
    64 7.17
    120 6.75
    176 8.41
    下载: 导出CSV

    表  3   不同节点数量时建模的数据处理耗时

    Table  3   Time Consumption of the Modeling with Different Number of Nodes

    节点数 总耗时/min 平均耗时/min
    2 10.54 5.48
    4 5.34 2.87
    6 4.47 1.96
    8 4.12 1.51
    10 3.75 1.36
    12 3.42 0.96
    14 3.43 0.99
    16 3.34 1.01
    18 3.48 0.93
    20 3.50 0.80
    下载: 导出CSV
  • [1] 李征航, 张小红.卫星导航定位新技术及高精度数据处理方法[M].武汉:武汉大学出版社, 2009

    Li Zhenghang, Zhang Xiaohong. New Techniques and Precise Data Processing Methods of Satellite Navigation and Positioning[M]. Wuhan:Wuhan University Press, 2009

    [2]

    Hernández-Pajares M, Juan J M, Sanz J, et al. The IGS VTEC Maps:A Reliable Source of Ionospheric Information Since 1998[J]. Journal of Geodesy, 2009, 83(3-4):263-275 doi: 10.1007/s00190-008-0266-1

    [3]

    Roma-Dollase D, Hernández-Pajares M, Krankowski A, et al. Consistency of Seven Different GNSS Global Ionospheric Mapping Techniques During One Solar Cycle[J]. Journal of Geodesy, 2017, 11(4):1394-1432 doi: 10.1007/s00190-017-1088-9

    [4] 邹贤才, 李建成, 汪海洪, 等. OpenMP并行计算在卫星重力数据处理中的应用[J].测绘学报, 2010, 39(6):636-641 http://d.old.wanfangdata.com.cn/Periodical/chxb201006015

    Zou Xiancai, Li Jiancheng, Wang Haihong, et al. Application of Parallel Computing with OpenMP in Data Processing for Satellite Gravity[J]. Acta Geodaetica et Cartographica Sinica, 2010, 39(6):636-641 http://d.old.wanfangdata.com.cn/Periodical/chxb201006015

    [5] 王昌帅.并行卫星云导风算法研究[D].吉林: 吉林大学, 2016 http://cdmd.cnki.com.cn/Article/CDMD-10183-1016084496.htm

    Wang Changshuai, The Research on Parallel Algorithm of Satellite Cloud Motion Winds[D]. Jinlin: Jinlin Unviersity, 2016 http://cdmd.cnki.com.cn/Article/CDMD-10183-1016084496.htm

    [6] 陈秋杰, 沈云中, 张兴福. MKL和OpenMP多核并行算法解算高阶地球重力场的效率分析[J].大地测量与地球动力学, 2012, 32(5):118-123 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK201205314823

    Chen Qiujie, Shen Yunzhong, Zhang Xingfu. Ana-lysis of Efficiency of Applying MKL and OpenMP Polynuclear Parallel Algorithms to Recovery of High Degree Earth's Gravity Field[J]. Journal of Geodesy and Geodynamics, 2012, 32(5):118-123 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK201205314823

    [7] 王成, 施闯, 章红平.全球电离层模型的OpenMP多线程并行解算[J].武汉大学学报·信息科学版, 2018, 43(6):813-819 http://ch.whu.edu.cn/CN/Y2018/V43/I6/813

    Wang Cheng, Shi Chuang, Zhang Hongping. Multithreaded Parallel Estimation for Global Ionospheric Model by Using OpenMP[J]. Geomatics and Information Science of Wuhan University, 2018, 43(6):813-819 http://ch.whu.edu.cn/CN/Y2018/V43/I6/813

    [8] 王成, 毛大智, 施闯, 等.全球电离层模型的分布式并行解算[J].武汉大学学报·信息科学版, 2018, 43(8):1207-1213 http://ch.whu.edu.cn/CN/Y2018/V43/I8/1207

    Wang Cheng, Mao Dazhi, Shi Chuang, et al. Distributed Parallel Estimation for Global Ionospheric Modeling[J]. Geomatics and Information Science of Wuhan University, 2018, 43(8):1207-1213 http://ch.whu.edu.cn/CN/Y2018/V43/I8/1207

    [9]

    Schaer S.Mapping and Predicting the Earth's Ionosphere Using the Global Positioning System[J]. Geod Geophys, 1999, 59:59 http://adsabs.harvard.edu/abs/1999GGAS...59.....S

    [10] 王成, 王解先, 段兵兵.附有国际参考电离层约束的全球电离层模型[J].武汉大学学报·信息科学版, 2014, 39(11):1340-1346 http://ch.whu.edu.cn/CN/abstract/abstract3121.shtml

    Wang Cheng, Wang Jiexian, Duan Bingbing. Glo-bal Ionospheric Model with International Reference Ionosphere Constraint[J]. Geomatics and Information Science of Wuhan University, 2014, 39(11):1340-1346 http://ch.whu.edu.cn/CN/abstract/abstract3121.shtml

  • 期刊类型引用(1)

    1. 雷洋,朱武,孙全,杨文敬,张金敏. 顾及方位向偏移的光谱分频法InSAR电离层改正. 测绘科学. 2023(01): 81-90 . 百度学术

    其他类型引用(3)

图(4)  /  表(3)
计量
  • 文章访问数:  1010
  • HTML全文浏览量:  107
  • PDF下载量:  199
  • 被引次数: 4
出版历程
  • 收稿日期:  2018-08-22
  • 发布日期:  2018-12-04

目录

/

返回文章
返回