中國上空過渡流區(qū)大氣月平均狀態(tài)的模擬結(jié)果

凌 超,陳澤宇

（中國科學(xué)院 大氣物理研究所 中層大氣和全球環(huán)境探測重點實驗室，北京 100029）

0 引言

大氣密度變化影響著低軌飛行器的軌道、姿態(tài)和壽命，因此航天領(lǐng)域經(jīng)常使用大氣經(jīng)驗?zāi)Ｐ蛠碛嬎愫皖A(yù)報大氣密度。根據(jù)國內(nèi)外利用衛(wèi)星探測數(shù)據(jù)與大氣經(jīng)驗?zāi)Ｐ偷拇罅繉Ρ妊芯拷Y(jié)果發(fā)現(xiàn)，經(jīng)驗?zāi)Ｐ碗m然存在一定誤差，但在描述高熱層大氣密度的變化上發(fā)揮著重要作用[1-6]；另一方面，可以利用觀測數(shù)據(jù)對模型進(jìn)行修正[7-10]。

隨著更多亞軌道飛行器的發(fā)展，中間層和低熱層區(qū)域的大氣環(huán)境日益成為關(guān)注的熱點[11-12]。由于這些區(qū)域的分子平均自由程與流場特征長度比值在0.1～10 之間，故又稱之為過渡流區(qū)[13-15]。

針對中國區(qū)域當(dāng)前應(yīng)用的需求，本文采用美國海軍研究實驗室（Naval Research Laboratory，NRL）在MSIS（Mass Spectrometer Incoherent Scatter，質(zhì)譜儀和非相干散射雷達(dá)）系列模型基礎(chǔ)上發(fā)展的NRLMSISE-00 模型[16]開展了模擬計算和分析。MSIS 系列模型最初是由Hedin 等[17-18]建立的，經(jīng)過了不斷的發(fā)展和更新，詳細(xì)介紹請參考文 獻(xiàn)[19-21]。MSIS 系列模型的核心資料庫源自非相干散射雷達(dá)的觀測數(shù)據(jù)，被認(rèn)為可以為中間層和低熱層大氣研究提供可靠的參考[22]。作者利用NRLMSISE-00 模型的分析結(jié)果，對中國東部和中部地區(qū)上空過渡流區(qū)80～140 km 高度的大氣密度和溫度的空間分布及其時變特征進(jìn)行了模擬研究。在當(dāng)前嚴(yán)重缺乏實測數(shù)據(jù)的情況下，利用經(jīng)驗?zāi)Ｐ偷玫降倪@些分析結(jié)果具有參考價值[23]。

1 大氣模型和模擬方案

發(fā)布于2000年的NRLMSISE-00 模型[16]是面向空間環(huán)境應(yīng)用的大氣模型，可以覆蓋從地表至逸散層的大氣層區(qū)域，而且在MSIS 系列模型數(shù)據(jù)庫基礎(chǔ)上新增了大量的觀測數(shù)據(jù)，如來自拖曳力/加速度計的總質(zhì)量密度數(shù)據(jù)、掩星觀測的氧分子數(shù)據(jù)、非相干散射雷達(dá)的溫度數(shù)據(jù)等。

作為一個解析模型，NRLMSISE-00 包括一組計算機(jī)程序。對于給定的時間和空間位置，同時輸入空間環(huán)境參數(shù)，模型就可以輸出對應(yīng)的大氣密度和溫度。作為外強(qiáng)迫的空間環(huán)境參數(shù)主要包括來自于全球地面觀測網(wǎng)的各種指數(shù)，分別是模擬日前1 天的無線電波段（10.7 cm 波長）太陽輻射通量F107指數(shù)、地磁活動Ap 指數(shù)，以及以模擬日為中心的81 天F107 指數(shù)的平均值F107A。圖1*注*：文章中所采用的NRLMSISE-00 模型從美國戈達(dá)德空間飛行中心（GSFC）下載，其中空間環(huán)境參數(shù)F107 指數(shù)和Ap指數(shù)從美國國家海洋和大氣局（NOAA）下屬的國家地球物理數(shù)據(jù)中心（NGDC） 獲取。給出了 2001年—2013年期間太陽和地磁活動指數(shù)的逐日變化，藍(lán)色點為F107 指數(shù)（單位：sfu，1sfu= 10-22W·m-2·Hz-1），紅色線為F107A 指數(shù)，綠色點為Ap 指數(shù)。模擬時段包含了一個完整的太陽活動周期，便于分析過渡流區(qū)大氣狀態(tài)隨太陽活動的變化特征。從圖可知，描述太陽活動水平的F107 指數(shù)呈現(xiàn)出明顯的11年周期，其中2002年處于太陽活動高年，2008年—2010年為太陽活動低年，在這之后太陽活動水平又開始逐漸增強(qiáng)。

針對當(dāng)前關(guān)注的中國中緯度地區(qū)，作者首先選取了北京和酒泉作為參考站點，兩個站點分別位于緯度相近的中國東部和中部。然后，對參考站點過渡流區(qū)大氣密度和溫度開展逐日模擬。同時，為了考察過渡流區(qū)大氣狀態(tài)隨緯度的變化特征，還在酒泉站的南北分別選取了格爾木和酒泉北兩個站點開展模擬工作。表1給出了這4 個參考站點詳細(xì)的地理經(jīng)緯度。

表1 參考站點地理位置 Table1 Locations of four reference stations

利用NRLMSISE-00 模型模擬過渡流區(qū)大氣狀態(tài)時把整個中間層也包括進(jìn)來，因此模擬結(jié)果在垂直高度上可以覆蓋50～140 km。由于顯著的大氣潮汐出現(xiàn)在80～100 km，不可忽略潮汐過程在該區(qū)域的影響，所以將模擬的時間分辨率設(shè)置為1 h。對于每個站點，首先在各高度層利用模擬得到的小時數(shù)據(jù)計算日平均值（去除周日潮汐），得到逐日平均數(shù)據(jù)集；然后，按照自然月把日平均值進(jìn)行歸并，得到2001年—2013年逐月的平均值，最后得到多年平均值。

2 模擬結(jié)果

對于大氣密度和溫度，伴隨各種擾動過程的偏差相對于背景狀態(tài)通常表現(xiàn)為一個小量。為了凸顯這些小量所反映的過程，本文在描述大氣密度變化時，采用歸一化密度的表達(dá)方式，即=ρM/ρmean， 其中ρM為月平均密度，ρmean為多年平均密度。大氣溫度變化則采用溫度距平的表達(dá)方式，即Ta=TM-Tmean，其中TM和Tmean分別代表月平均和多年平均溫度。

2.1 40°N 大氣狀態(tài)的變化特征

通過比較北京站和酒泉站的模擬結(jié)果，發(fā)現(xiàn)兩個參考站點的變化特征基本一致（圖略）。這表明在當(dāng)前月平均分析尺度上，這兩個緯度相近的站點上空過渡流區(qū)大氣密度和溫度的變化是一致的，而且隨經(jīng)度變化較小。下面主要介紹北京站的分析結(jié)果。

圖2給出了北京站上空大氣溫度及擾動在50～140 km 高度的分布和變化特征。圖2(b)顯示，在80 km 以下溫度距平雖然隨高度升高有所增大，但變化相對較弱，溫度距平在-20～20 K 之間。在80km 以上，溫度距平除隨高度升高而增大以外，在一些時段還連續(xù)出現(xiàn)極值。在2001年—2004年期間，120 km 高度以上出現(xiàn)持續(xù)的溫度正距平，數(shù)值可達(dá)90 K 以上；與此相反，在2005年—2011年期間相同高度出現(xiàn)持續(xù)的溫度負(fù)距平，幅度雖比正距平要小，但在2007年—2009年期間負(fù)距平也達(dá)到-40 K的水平。與圖1的對比分析表明，這兩個反相的溫度距平擾動與太陽活動有很好的對應(yīng)關(guān)系：太陽活動高年對應(yīng)溫度正距平，而太陽活動低年則對應(yīng)為溫度負(fù)距平。與太陽活動相關(guān)的類似變化也在同高度的大氣密度中出現(xiàn)。

圖2 北京站上空大氣溫度分布及時變特征 Fig.2 Atmospheric temperature distribution and temporal variation at Beijing station

圖3給出了北京站上空大氣密度及擾動在50～140 km 高度的分布和變化特征。如圖3(b)所示，在 2001年—2004年期間，120 km 以上大氣密度顯著偏大（歸一化密度大于1），而在2005年—2011年期間大氣密度則偏小（歸一化密度小于1）。過渡流區(qū)大氣密度隨太陽活動變化的現(xiàn)象也出現(xiàn)在更高的區(qū)域，此前有報道高熱層大氣密度出現(xiàn)隨太陽活動的周期變化[24-25]。

圖3 北京站上空大氣密度分布及時變特征 Fig.3 Atmospheric density distribution and temporal variation at Beijing station

圖3(b)顯示，密度擾動幅度（相對于平均值的變化）在垂直方向上的變化相對較弱，但是出現(xiàn)了歸一化密度的變化中心，它們分別位于70 km 和100 km 高度附近。70 km 高度大氣密度擾動隨時間變化的主要模態(tài)是年變化；100 km 高度大氣密度擾動隨時間的變化則有不同，除了年變化以外開始出現(xiàn)明顯的半年變化，并且維持到140 km 高度。

以前研究結(jié)果顯示，中、高熱層大氣密度存在半年周期變化[24,26-28]，密度最大值出現(xiàn)在春季和秋季（4月和10月），密度最小值出現(xiàn)在夏季和冬季（7月和1月）。傅里葉譜分析的結(jié)果表明（圖略），北京站上空90 km 及以上高度大氣密度主要表現(xiàn)為半年周期變化。對于100 km，在上半年的半年變化中大氣密度在3月取得最大值（正相位），6月取得最小值（負(fù)相位）。模擬結(jié)果說明過渡流區(qū)大氣密度存在與中、高熱層大氣密度一致的半年周期變化，但密度取得最大/最小值的時間要顯著早于中、高熱層?；诟道锶~相位的分析結(jié)果，通過對比3月和6月的密度和溫度廓線在50～140 km 的分布，可以了解半年周期過程中大氣擾動的特征。

圖4分別給出了3月和6月北京站上空50～ 140 km 高度大氣歸一化密度(a)和溫度距平(b)隨高度的變化特征，為了考察太陽活動對這種半年周期變化的影響，圖中同時給出了太陽活動高年（2002年）和低年（2008年）的情況，圖中紅/藍(lán)實線代表2002年3/6月的變化特征，而黑/綠虛線代表2008年3/6月的變化特征。圖4(a)顯示在90 km 以上及以下的高度，大氣密度半年變化過程的相位是相反的。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。由于這種密度變化的垂直分布，使得90 km 附近的大氣平均密度可以比較穩(wěn)定地維持約6 個月。空間環(huán)境的變化在80 km 以下對大氣造成的影響很小，NRLMSISE-00 模型也沒有在這個高度范圍建立起空間環(huán)境變化與大氣擾動的關(guān)系，因此模擬結(jié)果中空間環(huán)境對大氣狀態(tài)的影響只出現(xiàn)在80 km 以上。從圖4(a)中可以看到，在115 km 高度以上，太陽活動高年的大氣密度明顯大于太陽活動低年的。值得注意的是，相反的變化出現(xiàn)在80～115 km，無論在3月或6月，大氣密度在太陽活動高年均小于在太陽活動低年的情況。圖4(b)給出了3月和6月大氣溫度距平隨高度的變化特征；與圖4(a)相比，溫度的典型變化特征與大氣密度類似。在50～65km 高度范圍，溫度在3月為負(fù)距平，在6月為正距平；在65～95 km 高度范圍，溫度距平變化則正好相反。在95 km 高度以上，溫度的變化特征主要受太陽活動的影響，無論是3月還是6月，太陽活動高年的溫度距平都大于太陽活動低年的，并且兩者之間的絕對差隨高度升高而顯著增大。

圖4 北京站上空大氣狀態(tài)在3月和6月的變化特征 Fig.4 Variation of atmospheric conditions at Beijing station in March and June

2.2 大氣狀態(tài)的緯度變化

為了考察過渡流區(qū)大氣狀態(tài)特征隨緯度的變化，同時模擬了格爾木和酒泉北兩個參考站點。與酒泉站結(jié)果相似，格爾木站和酒泉北站過渡流區(qū)大氣變化特征與北京站結(jié)構(gòu)一致。作為對比，圖5和圖6分別給出了酒泉北站上空過渡流區(qū)大氣溫度和密度的多年平均值(a)以及擾動量隨時間的變化特征(b)。從圖中可以看到，月平均尺度的大氣密度和溫度結(jié)構(gòu)以及隨時間的變化特征與北京站都是相似的（參見圖2和圖3）。但是，酒泉北站與北京站過渡流區(qū)大氣狀態(tài)的變化同樣存在明顯的差別。例如，溫度的變化特征（圖5(b)）顯示，在90 km 以下，酒泉北站的溫度擾動隨時間的變化幅度要明顯大于北京站相同高度的變化；在100 km 以上，溫度距平極值出現(xiàn)的起始高度比北京站的更低且極值更大。同樣，密度隨時間的變化特征（圖6(b)）顯示，酒泉北站在80 km 附近的年變化過程要明顯強(qiáng)于北京站同高度的年變化過程。

圖5 酒泉北站上空大氣溫度分布及時變特征 Fig.5 Atmospheric temperature distribution and temporal variation at Jiuquanbei station

圖6 酒泉北站上空大氣密度分布及時變特征 Fig.6 Atmospheric density distribution and temporal variation at Jiuquanbei station

圖7和圖8分別給出了格爾木站（GEM）、北京站（BJ）、酒泉站（JQ）和酒泉北站（JQB）4個參考站點過渡流區(qū)大氣密度和溫度擾動的半年周期變化特征。圖7顯示4 個參考站點的大氣密度擾動表現(xiàn)出較一致的垂直變化（詳細(xì)分析結(jié)果可見2.1 節(jié)），但存在顯著的緯度變化：在110 km 以下，密度擾動幅度隨緯度的增加而增大，并且6月的擾動幅度大于3月的；在110 km 以上，密度擾動幅度隨緯度的變化不顯著，主要隨太陽活動強(qiáng)度的變化而變化，3月的擾動幅度在太陽活動高年大于太陽活動低年，而6月則相反。同樣，過渡流區(qū)大氣溫度擾動（圖8）的變化除了前述的垂直結(jié)構(gòu)以外，也顯示與大氣密度一致的緯度變化。在120 km 以下，大氣溫度擾動的幅度隨緯度增加而增大；而在120～140 km，溫度距平的差別很小，特別是3月， 總體表現(xiàn)為緯度越高，溫度距平越大。溫度距平隨太陽活動的變化主要出現(xiàn)在100 km 以上，太陽活動高年（2002年）為溫度正距平，3月大于6月；太陽活動低年（2008年）為負(fù)距平，6月大于3月。

圖7 4 個參考站點大氣密度在3月和6月的變化特征 Fig.7 Variation of atmospheric densities at four reference stations in March and June

圖8 4 個參考站點溫度距平在3月和6月的變化特征 Fig.8 Variation of temperature anomalies at four reference stations in March and June

3 結(jié)束語

針對過渡流區(qū)大氣狀態(tài)在實際應(yīng)用中的重要性，本文利用NRLMSISE-00 模型對中國東部和中部地區(qū)過渡流區(qū)80～140 km 高度的中性大氣密度和溫度的變化特征進(jìn)行了模擬研究。模擬時段從2001年—2013年，包含了最近一個完整的太陽活動周期。月平均尺度的分析結(jié)果顯示中國中緯度地區(qū)過渡流區(qū)大氣密度和溫度隨緯度和太陽活動的變化顯著，隨經(jīng)度的變化相對較弱，大氣密度和溫度擾動具有典型的垂直分布和半年周期變化特征。主要結(jié)果如下：

1）4 個參考站點的大氣狀態(tài)具有一致的變化特征。譜分析結(jié)果顯示，過渡流區(qū)大氣密度的半年周期變化主要出現(xiàn)在90 km 及以上的高度范圍。在半年變化過程中，90 km 高度以上，3月的大氣密度大于6月，而在90 km 以下則出現(xiàn)相反的情況；在115 km 以上，太陽活動高年的大氣密度明顯大于太陽活動低年，80～115 km 范圍則出現(xiàn)相反的變化。同樣，大氣溫度也表現(xiàn)出相似的垂直變化特征，在50～65 km，溫度3月為負(fù)距平，6月為正距平；在65～95 km，溫度距平則正好相反；在95 km 以上，溫度變化主要受太陽活動影響，太陽活動高年的溫度距平要顯著大于太陽活動低年。

2）針對過渡流區(qū)大氣狀態(tài)的緯度變化，聯(lián)合分析了格爾木站、北京站、酒泉站和酒泉北站的大氣密度和溫度變化，結(jié)果顯示無論是密度還是溫度擾動，在中國中緯度過渡流區(qū)90～110 km 高度范圍擾動幅度隨緯度的增加而增大，并且在110 km以下，密度擾動幅度6月大于3月。在110 km 以上，3月的密度擾動幅度在太陽活動高年大于太陽活動低年，而6月則相反。溫度距平在120～140 km高度范圍隨緯度的變化很小。

本文主要是針對過渡流區(qū)大氣狀態(tài)的月平均及其變化特征進(jìn)行模擬研究。但在實際大氣變化中，大氣密度、溫度等參數(shù)存在更短周期的變化，不同緯度和經(jīng)度地區(qū)甚至可能存在顯著的局地擾動。因此，需要在不同的空間環(huán)境條件下對過渡流區(qū)大氣參數(shù)展開連續(xù)觀測，以獲取更多的覆蓋更長時間的實測資料，以便分析過渡流區(qū)更短周期的大氣變化和擾動特征。

（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,趙長印.用CHAMP 加速儀數(shù)據(jù)校驗太陽活動峰年的大氣模型精度[J].天文學(xué)報,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,季春華,等.基于衛(wèi)星加速度數(shù)據(jù)反演的熱層大氣密度與NRLMSISE-00 模式結(jié)果的比較研究[J].空間科學(xué)學(xué)報,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] 陳旭杏,胡雄,肖存英,等.NRLMSIS-00 大氣模型與GRACE 和CHAMP 衛(wèi)星大氣密度數(shù)據(jù)的對比分析[J].空間科學(xué)學(xué)報,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,秦國泰,等.不同高度和不同地磁擾動期間熱層大氣密度模式值與探測值的顯著差異[J].地球物理學(xué)報,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,劉四清,李志濤,等.基于實時觀測數(shù)據(jù)的大氣密度模式修正[J].空間科學(xué)學(xué)報,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] 陳旭杏,胡雄,肖存英,等.基于衛(wèi)星數(shù)據(jù)和NRLMSISE-00 模型的低軌道大氣密度預(yù)報修正方法[J].地球物理學(xué)報,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] 呂達(dá)仁,陳澤宇,郭霞,等.臨近空間大氣環(huán)境研究現(xiàn)狀[J].力學(xué)進(jìn)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] 崔爾杰.近空間飛行器研究發(fā)展現(xiàn)狀及關(guān)鍵技術(shù)問題[J].力學(xué)進(jìn)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.認(rèn)識稀薄氣體動力學(xué)[J].力學(xué)與實踐,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.稀薄氣體動力學(xué): 進(jìn)展與應(yīng)用[J].力學(xué)進(jìn)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,張珩,等.地球低緯區(qū)邊緣大氣密度的預(yù)測[J].航天器環(huán)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] ?？?方涵先,翁利斌.太陽活動與熱層大氣密度的相關(guān)性研究[J].空間科學(xué)學(xué)報,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,Zsch?rner 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