IF50.5｜百万手机绘制全球电离层地图

用安卓手机GNSS数据填补监测站空白，电离层TEC覆盖翻倍。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

电离层是距地面约50–1500公里的弱电离等离子体层，其总电子含量（TEC）随空间环境变化，是GNSS定位的主要误差源之一。传统上依赖地面高精度GNSS监测站网络生成TEC地图来校正误差，但监测站成本高、分布不均，在印度、南美、非洲等地区存在大片空白。手机内置双频GNSS接收器虽噪声大，但数量庞大且分布广泛，若能有效利用，可大幅提升电离层监测的时空覆盖。

科学问题

卡在哪里： 此前虽有利用低成本接收器改进TEC地图时空分辨率的提议，但受限于组织和技术挑战，未能实现。手机天线小、硬件精度低、环境复杂，且每台手机存在独特的差分码偏差（DCB），导致单机测量噪声标准差约70 TECU，远高于监测站的2 TECU。如何从海量噪声数据中提取可靠的电离层信息，并校正每台手机的偏差，是亟待解决的关键问题。

本文要回答： 本文旨在利用数百万安卓手机的双频GNSS测量数据，构建全球电离层TEC地图，填补监测站覆盖空白，并验证其对定位精度的提升效果。

技术路线

作者主要用了：双频GNSS测量、薄壳模型、加权最小二乘、稀疏矩阵分块求解、Hutchinson方差估计。

作者收集了全球约4000万台安卓手机的双频GNSS原始测量数据，采用350 km高度的薄壳模型将斜向TEC转换为垂直TEC，并将电离层划分为约98000个S2网格单元。针对每台手机独特的DCB，在10分钟时间窗内构建包含VTEC和手机DCB的线性方程组，利用矩阵分块结构和Schur补技巧高效求解。通过与Madrigal数据库的监测站数据对比验证精度，并评估覆盖率和定位改进。

图 1　Fig. 1。图1对比了全球监测站（橙色点）与手机测量位置（蓝色点）的分布。监测站在美国和欧洲密集，但在印度、南美、非洲等地稀疏；手机测量点在全球范围内分布更广，尤其在印度等地区覆盖密度远超监测站。该图直观展示了手机网络在填补监测空白方面的优势。

核心亮点

亮点 1｜手机测量覆盖翻倍

对比手机与监测站的覆盖范围，发现监测站单独覆盖电离层14%的时空单元，手机单独覆盖21%，两者结合覆盖28%，即手机使电离层测量覆盖率翻倍。在印度、南亚、东欧、南美和非洲部分地区，手机提供了监测站缺失的测量。这一结果直接证明了手机网络在填补电离层监测空白方面的巨大潜力。

图 2　Fig. 2。图2展示了2023年11月5日法国图卢兹附近监测站与1011台手机对同一卫星的TEC测量对比。单台手机测量噪声大（绿色点），但所有手机的中位数（蓝色线）与监测站测量（黑色线）高度吻合。该图说明尽管个体手机噪声大，但大量手机平均后能获得可靠的电离层TEC。

亮点 2｜与监测站数据高度一致

将手机反演的VTEC地图与Madrigal数据库中监测站的斜向TEC测量进行对比，Pearson相关系数达0.94，平均偏差为-3.4 TECU。尽管单台手机噪声大，但大量手机平均后与监测站结果吻合良好。这一验证表明，手机数据在统计意义上可靠，可用于电离层监测。

图 3　Fig. 3。图3验证了手机反演TEC与Madrigal监测站STEC的一致性。a图显示两者差异分布集中在0附近，b图显示Pearson相关系数0.94。由于数据量巨大（70亿个STEC测量），图中对数据进行了采样展示。该图证实了手机TEC地图的准确性。

亮点 3｜捕捉电离层精细结构

手机TEC地图成功捕捉到多种电离层现象：2024年5月10-11日G5级地磁暴期间北美上空的暴时增强密度（SED）和加勒比地区的TEC增强；2023年10月13日南美赤道异常区的等离子体泡，与GOLD卫星远紫外图像吻合；以及南亚上空的纵向结构，其东移速度约100 m/s，与COSMIC-2卫星观测和地面全天空气辉成像仪结果一致。这些观测展示了手机网络在监测中小尺度电离层扰动方面的能力。

图 4　Fig. 4。图4展示了手机TEC地图捕捉到的电离层现象：a图为2024年5月10日地磁暴期间北美上空的暴时增强密度；b-c图对比了2023年10月13日南美等离子体泡的手机TEC观测与GOLD卫星远紫外图像；d-j图显示了2023年10月14日南亚上空的纵向结构。这些结果展示了手机网络在监测中小尺度电离层扰动方面的能力。

亮点 4｜提升定位精度

利用手机数据构建的TEC模型在定位精度上优于传统Klobuchar模型，与JPL最终模型相当；在印度等监测站稀疏地区，手机模型表现优于JPL模型。这表明手机电离层地图能够有效改善GNSS定位误差，特别是在缺乏地面基础设施的区域。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 双频GNSS测量、薄壳模型、加权最小二乘、稀疏矩阵分块求解、Hutchinson方差估计
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事GNSS数据处理、空间天气监测或众源数据分析的研究者和工程师。

带走一句

海量低精度传感器数据经统计建模和偏差校正后，可媲美专业监测网络，为地球物理监测开辟新范式。