Posted by & filed under НауЧиЛит, Образование.

Артем Сетов представит статью:

T. Renkwitz et al. Validation of the radiation pattern of the VHF MST radar MAARSY by scattering off a sounding rocket’s payload

Место: Институт солнечно-земной физики, Л413

Время: 2015.12.03 в 10:00

 

Abstract

The Middle Atmosphere Alomar Radar System (MAARSY) is a monostatic radar with an active phased array antenna designed for studies of phenomena in the mesosphere and lower thermosphere. Its design, in particular the flexible beam forming and steering capability, makes it a powerful instrument to perform observations with high angular and temporal resolution. For the configuration and analysis of experiments carried out with the radar it is essential to have knowledge of the actual radiation pattern. Therefore, during the time since the radar was put into operation various active and passive experiments have been performed to gain knowledge of the radiation pattern. With these experiments the beam pointing accuracy, the beam width and phase distribution of the antenna array were investigated. Here, the use of a sounding rocket and its payload as a radar target is described which was launched in the proximity of the radar. The analysis of these observations allows the detailed investigation of the two-way radiation pattern for different antenna array sizes and beam pointing positions

Posted by & filed under Python.

Визуализация научных данных на Python. (Александр Киселев)

 

Для оптимальной работы рекомендуем скачать и установить Anaconda (сборка, которая включает Python и все нужные для лекции библиотеки — numpy, scipy, matplotlib):
https://www.continuum.io/downloads

Дополнительные библиотеки можно установить так (в командной строке):

conda install astropy

 

Лекция matplotlib

Лекция astropy

Лекция scipy

 

Задачи

Решения задач (Киселев Александр)

 

Свои решения задач присылайте artem_vesnin@iszf.irk.ru

 

Задача 1

Дан набор данных:
xdata = np.array([­2,­1.64,­1.33,­0.7,0,0.45,1.2,1.64,2.32,2.9])
ydata = np.array([0.699369,0.700462,0.695354,1.03905,1.97389,2.41143,1.91091,0.919576,­0.730975,­1.42001])
И функция:

def func(x, p1,p2):
return p1*np.cos(p2*x) + p2*np.sin(p1*x)
Необходимо подобрать коэффициенты p1 и p

Задача 2
На сайте имеются глобальные карты ионосферных параметров, например электронной концентрации, полного электронного содержания, ветров и пр. Данные получены с использованием модели GSM TIP(Global numerical
self­consistent and time­dependent model of the thermosphere, ionosphere and protonosphere.). Необходимо написать скрипт, который на вход принимает данные с данного сайта и строит карту в виде контура.

Пример вывода:

Lecture4_Problem2_output

Задача 3

В обсерватории NSO(National Solar Observatory) имеется инструмент SOLIS (Synoptic Optical Long­term Investigations of the Sun), который проводит ежедневные наблюдения Солнца. На инструменте установлено несколько телескопов: 50 сантиметровый векторный спектромагнитограф, 14 сантиметровый полнодисковый телескоп и 8 миллиметровый телескоп для наблюдения за Солнцем как звездой. Необходимо написать скрипт, который скачивает последние доступные данные для 50 сантиметрового спектромагнитографа и выводит полнодисковую магнитограмму, область с максимальным значением поля (размером 200 на 200 пикселей), и срезы(  вертикальный и горизонтальный) через центр этой области. Ссылка на последние данные: http://solis.nso.edu/pubkeep/vsm_current_m630l_hr.fits.gz (http://solis.nso.edu/pubkeep/vsm_current_m630l_hr.fits.gz) Для скачивания данных можно использовать метод urlretrieve из модуля urllib.request.Данные скачиваются в формате fits запакованными в архив gz. Для открытия можно использовать команду open из модуля astropy.fits. (Распаковывать данные из архива не обязательно). Полнодисковая магнитограмма находится по индексу 0 в fits файле. Примерно то, как должно получиться:

Lecture4_Problem3_output1

Задача 4

Дано изображение. Необходимо убрать шум. Подсказка: на исходное (чистое изображение был наложен шум) нужно использовать преобразование Фурье что бы выявить шумовые гармоники

Posted by & filed under Python, Образование.

Решение научных вычислительных задач на Python. Обзор библиотек. (Александр Киселев)

 

Для оптимальной работы рекомендуем скачать и установить Anaconda (сборка, которая включает Python и все нужные для лекции библиотеки — numpy, scipy, matplotlib):
https://www.continuum.io/downloads

Дополнительные библиотеки можно установить так (в командной строке):

conda install astropy

 

Лекция numpy

Лекция matplotlib

Задачи

 

New Решения задач (Киселев Александр)

 

Свои решения задач присылайте artem_vesnin@iszf.irk.ru

 

Задача 1

Дан набор данных:
xdata = np.array([­2,­1.64,­1.33,­0.7,0,0.45,1.2,1.64,2.32,2.9])
ydata = np.array([0.699369,0.700462,0.695354,1.03905,1.97389,2.41143,1.91091,0.919576,­0.730975,­1.42001])
И функция:

def func(x, p1,p2):
return p1*np.cos(p2*x) + p2*np.sin(p1*x)
Необходимо подобрать коэффициенты p1 и p

 

Задача 2
На сайте имеются глобальные карты ионосферных параметров, например электронной концентрации, полного электронного содержания, ветров и пр. Данные получены с использованием модели GSM TIP(Global numerical
self­consistent and time­dependent model of the thermosphere, ionosphere and protonosphere.). Необходимо написать скрипт, который на вход принимает данные с данного сайта и строит карту в виде контура.

Пример вывода:

Lecture4_Problem2_output

 

Задача 3

В обсерватории NSO(National Solar Observatory) имеется инструмент SOLIS (Synoptic Optical Long­term Investigations of the Sun), который проводит ежедневные наблюдения Солнца. На инструменте установлено несколько телескопов: 50 сантиметровый векторный спектромагнитограф, 14 сантиметровый полнодисковый телескоп и 8 миллиметровый телескоп для наблюдения за Солнцем как звездой. Необходимо написать скрипт, который скачивает последние доступные данные для 50 сантиметрового спектромагнитографа и выводит полнодисковую магнитограмму, область с максимальным значением поля (размером 200 на 200 пикселей), и срезы(  вертикальный и горизонтальный) через центр этой области. Ссылка на последние данные: http://solis.nso.edu/pubkeep/vsm_current_m630l_hr.fits.gz (http://solis.nso.edu/pubkeep/vsm_current_m630l_hr.fits.gz) Для скачивания данных можно использовать метод urlretrieve из модуля urllib.request.Данные скачиваются в формате fits запакованными в архив gz. Для открытия можно использовать команду open из модуля astropy.fits. (Распаковывать данные из архива не обязательно). Полнодисковая магнитограмма находится по индексу 0 в fits файле. Примерно то, как должно получиться:

Lecture4_Problem3_output1

 

Задача 4

Дано изображение. Необходимо убрать шум. Подсказка: на исходное (чистое изображение был наложен шум) нужно использовать преобразование Фурье что бы выявить шумовые гармоники

 

Posted by & filed under Python, Образование.

Введение в язык Python: синтаксис и основы программирования. Продолжение.

 

Лекция

 

Свои решения задач присылайте artem_vesnin@iszf.irk.ru

 

Задача 1

Напишите выражение, которое изменит первый элемент в кортеже.
Кортеж со значением (4, 5, 6) должен стать кортежем со значением (1, 5, 6).

 

Задача 2

Дан список чисел. Вывести разницу между максимальным и минимальным числом в этом списке

 

Задача 3

Вы должны написать программу, которая принимает положительное целое число и возвращает:

«Fizz Buzz», если число делится на 3 и 5;

«Fizz», если число делится на 3;

«Buzz», если число делится на 5;

Число, как строку для остальных случаев.

 

Задача 4

Напистать функцию, которая возвращает n-первых числе Фибоначи.

 

Задача 5

Дан массив с положительными числами и число N. Вы должны найти N-ую степень элемента в массиве с индексом N. Если N за границами массива, тогда вернуть -1. Не забывайте, что первый элемент имеет индекс 0. Давайте посмотрим на несколько примеров:

массив = [1, 2, 3, 4] и N = 2, тогда результат 32 == 9;

массив = [1, 2, 3] и N = 3, но N за границами массива, так что результат -1

 

Задача 6

Дан массив целых чисел. Нужно найти сумму элементов с четными индексами (0-й, 2-й, 4-й итд), затем перемножить эту сумму и последний элемент исходного массива. Не забудьте, что первый элемент массива имеет индекс 0. Для пустого массива результат всегда 0.

 

Задача 7

Считать из файла «input.txt» число n. Вывести в файл «output.txt» n первых

простых чисел.
Входные данные
5
Выходные данные
2, 3, 5, 7, 11

Posted by & filed under Python, Образование.

Введение в язык Python: синтаксис и основы программирования.

 

Лекция

 

Задача 1

Написать программу, которая получает от пользователя два слова с
помощью input(). Затем программа должна вывести два набора символов.
В первом должны быть символы, которые встречаются в обоих словах. Во
втором, все символые, которые встречаются и в первом, и во втором слове.

 

Входные параметры
hamm
saam

Вывод
{‘a’, ‘m’}
{‘h’, ‘a’, ‘m’, ‘s’}

 

 

Задача 2

Написать программу, которая получает от пользователя строку с
помощью функции input(). Вывести эту же строку, но в нижнем регистре,
при этом первая буква это строки должна быть в верхнем регистре.

 

Входные параметры
hello World!

Вывод
Hello world!

Posted by & filed under Мероприятия.

С 7 – 12 Декабря 2015 года в Москве состоится II Междисциплинарный научный форум «Неделя науки в Москве».

Форум является крупнейшим в России событием, ориентированным на обеспечение развития науки и технологий и повышения их роли в жизни современного человека.

Центральные темы: проблемы нейронаук, цифровых технологий и разработки аппаратных средств для медицины.

Организаторы Форума: Федеральное агентство научных организаций, Российская академия наук, Институт проблем передачи информации им. А. А. Харкевича Российской академии наук, при поддержке Департамента науки, промышленной политики и предпринимательства.

Posted by & filed under НауЧиЛит, Образование.

Анастасия Федотова представит статью:

S. Datta-Barua et al. First light from a kilometer-baseline Scintillation Auroral GPS Array

Место: Институт солнечно-земной физики, Л413

Время: 2015.11.19 в 11:00

 

Abstract

We introduce and analyze the first data from an array of closely spaced Global Positioning System (GPS) scintillation receivers established in the auroral zone in late 2013 to measure spatial and temporal variations in L band signals at 100–1000 m and subsecond scales. The seven receivers of the Scintillation Auroral GPS Array (SAGA) are sited at Poker Flat Research Range, Alaska. The receivers produce 100 s scintillation indices and 100 Hz carrier phase and raw in-phase and quadrature-phase samples. SAGA is the largest existing array with baseline lengths of the ionospheric diffractive Fresnel scale at L band. With an initial array of five receivers, we identify a period of simultaneous amplitude and phase scintillation. We compare SAGA power and phase data with collocated 630.0 nm all-sky images of an auroral arc and incoherent scatter radar electron precipitation measurements, to illustrate how SAGA can be used in multi-instrument observations for subkilometer-scale studies.

Posted by & filed under НауЧиЛит, Образование.

Анна Мыльникова представит статью:

A. J. Coaster et al. Statistical framework for estimating GNSS bias.

Место: Институт солнечно-земной физики, Л413

Время: 2015.11.12 в 11:00

 

Abstract
We present a statistical framework for estimating global navigation satel-
lite system (GNSS) non-ionospheric differential time delay bias. The biases
are estimated by examining differences of measured line integrated electron
densities (TEC) that are scaled to equivalent vertical integrated densities. The
spatio-temporal variability, instrumentation dependent errors, and errors due
to inaccurate ionospheric altitude profile assumptions are modeled as structure
functions. These structure functions determine how the TEC differences are
weighted in the linear least-squares minimization procedure, which is used to
produce the bias estimates. A method for automatic detection and removal
of outlier measurements that do not fit into a model of receiver bias is also
described. The same statistical framework can be used for a single receiver
station, but it also scales to a large global network of receivers. In addition
to the Global Positioning System (GPS), the method is also applicable to other
dual frequency GNSS systems, such as GLONASS (Globalnaya Navigazion-
naya Sputnikovaya Sistema). The use of the framework is demonstrated in
practice through several examples. A specific implementation of the methods
presented here are used to compute GPS receiver biases for measurements in
the MIT Haystack Madrigal distributed database system. Results of the new
algorithm are compared with the current MIT Haystack Observatory MAPGPS
bias determination algorithm. The new method is found to produce estimates
of receiver bias that have reduced day-to-day variability and more consistent
coincident vertical TEC values.

Posted by & filed under НауЧиЛит, Образование.

Артем Веснин представит статью:

T. Gerzen et al. Validation of plasmasphere electron density reconstructions derived from data on board CHAMP by IMAGE/RPI data.

Место: Институт солнечно-земной физики, Л413

Время: 2015.11.05 в 11:00

 

Abstract

Plasmaspheric electron content is, beyond the ionosphere as major source, a significant contributor to the overall TEC budget affecting GNSS signals. The plasmasphere can induce half or more of the GNSS range errors caused by atmospheric electrical charges, in particular at nighttime. At DLR Neustrelitz, Germany, GPS measurements recorded onboard the LEO satellite CHAMP were used to reconstruct the topside electron density distribution (ionosphere and plasmasphere) up to GPS altitude, applying a model-based assimilation technique. In this paper, the potential of these CHAMP topside reconstructions for analyzing space weather related changes in the geo-plasma is investigated. For this purpose, comparisons are made between the CHAMP reconstructed profiles and electron densities derived from passive radio wave observations by the IMAGE RPI instrument for years 2001 till 2005.

The comparison results indicate that an improvement, compared to the electron density of a background model, can be achieved by CHAMP data assimilation. The improvement is especially visible in the L-shell region below 3, which contributes notably to the GNSS signal delays. However, for the region around the plasmapause, systematical electron density underestimations of the background model w.r.t. the IMAGE data are detected. The rather limited CHAMP data coverage and the degraded observation geometry at these high altitudes seem to be not sufficient for complete compensation of this underestimation during the assimilation procedure.

The results presented in this paper demonstrate the strengths of LEO TEC data assimilation, but at the same time illustrate the necessity to improve the modeling of the plasmasphere region above 4 ER L-shell distances. Furthermore, they reveal the need of additional data to establish an appropriate data base for the modeling of the complete plasmasphere.