****
地球磁场是地球的重要组成部分,它保护着我们免受太阳风和宇宙射线的侵袭,并且对导航系统至关重要。然而,地球磁场并非静态不变,它会随着时间推移而缓慢变化。为了精确模拟地球磁场的动态变化,并为全球导航提供可靠的基础,科学家们不断开发和更新世界磁场模型(World Magnetic Model,WMM)。WMM每5年发布一个版本,上一个版本是2019年12月发布的WMM2020。近日,最新版本的世界磁场模型 WMM2025正式发布,它不仅提供了更精确的导航数据,还引入了高分辨率模型,标志着地球磁场建模和导航技术迈向了新的台阶。

世界磁场模型(WMM)简介
世界磁场模型(WMM)是一种球面谐波模型,它描述了地球的主磁场及其缓慢的时间变化。WMM 模型是全球导航的关键,它能够确保依赖地球磁场的各种技术系统正常运行。这些系统包括:
- 航空导航: 飞机,包括军用和民用飞机,都依赖于 WMM 模型进行导航和定位。
- 航海导航: 船舶和潜艇使用 WMM 模型来确定方向和位置。
- 地面导航: GPS 单元和智能手机中的导航应用程序利用 WMM 模型来校正罗盘和提供准确的定位。
- 其他应用: WMM 模型也被广泛应用于地质勘探、地球物理研究等多个领域。


WMM2025 的更新和改进
地球磁场的变化是不规则的,并且在长时间尺度上尤为明显。为了保证导航系统的精度,WMM 模型至少每五年更新一次,以捕捉地球磁场的最新变化。罗盘等导航仪器受到地球磁场的影响,因此,使用最新模型可以确保导航仪器提供正确的读数。WMM2025 版本在原有基础上进行了多项改进,主要亮点包括:
- 更高精度的导航数据: WMM2025 提供了更精确的导航数据,确保各类导航系统能够更准确地确定位置和方向。
- 首次发布高分辨率模型(WMMHR2025): WMM2025 版本首次引入了世界磁场高分辨率模型(WMMHR2025),其空间分辨率在赤道地区从标准模型的 3300 公里提高到约 300 公里,这意味着用户可以获得更高的方向精度,尤其是在高频空间变化明显的区域。
- 黑障区更新: WMM2025 还更新了黑障区的位置。这些区域位于南北极附近,由于地球磁场方向不规则,导航信号可能变得不可靠。 WMM2025 对黑障区进行了更新,以反映其位置的微小变化,从而提高这些区域导航的准确性。

WMM 的应用场景和用户
WMM 是一个全球性的标准模型,被众多机构和组织广泛使用,包括:
- 政府机构: 美国和英国政府及其下属部门,如美国联邦航空管理局(FAA)和美国国防部,都使用 WMM 模型进行导航和地理信息管理。
- 国际组织: 北大西洋公约组织(NATO)、国际海道测量组织(IHO)和英国海道测量局等国际组织也依赖 WMM 模型。
- 消费电子产品公司: 智能手机和其他消费电子产品公司使用 WMM 模型,为用户提供准确的罗盘应用、地图和 GPS 服务。
WMM 的开发和维护
WMM 模型是由美国国家海洋和大气管理局(NOAA)国家环境信息中心(NCEI)和英国地质调查局(BGS)联合开发的。它也是美国国家地理空间情报局(NGA)和英国国防地理中心(DGC)的共同成果。其中:
- NCEI: NCEI 在 WMM 模型的开发、维护和分发中发挥着关键作用,并负责对地磁场数据进行存档和分析。
- BGS: BGS 与 NCEI 合作,共同开发和维护 WMM 模型,并负责向英国国防地理中心(DGC)分发模型。
NCEI 不仅负责开发和分发地磁场模型,还维护着地磁数据档案,以促进对地球磁性及其动态变化的理解。此外,NCEI 还提供工具和服务,以可视化、访问和利用 WMM 及其他地磁数据产品和模型。NCEI 与合作伙伴共同开展研究,以更好地了解地球磁场及其变化,并探索地球磁场对地球和技术领域的潜在影响。 此外,NCEI 还积极参与国际合作项目,如国际地磁和高空物理协会(IAGA),以确保 WMM 模型反映全球合作和理解地球磁场变化的努力。

目前在位运行的磁场观测站点
获取 WMM2025 数据
世界磁场模型及其相关数据,包括 WMM2025 和 WMMHR2025,可以通过以下方式获取:
- 美国国家海洋和大气管理局 (NOAA) 国家环境信息中心 (NCEI): 您可以在 NCEI 的官方网站上查找并下载 WMM2025 的模型文件、软件和文档。通常,NCEI 会提供多种格式的数据,方便不同用户使用。https://www.ncei.noaa.gov/products/world-magnetic-model
- 英国地质调查局 (BGS): BGS 也会在其官方网站上提供 WMM 的相关资源,特别是对于英国用户。http://www.geomag.bgs.ac.uk/research/modelling/WorldMagneticModel.html
通常,WMM 数据以标准模型文件(如.cof 格式)的形式提供,同时也会提供软件和文档来帮助用户理解和使用这些数据。用户可以根据自己的需求选择合适的方式获取数据。

使用 WMM2025 数据
WMM 数据的使用通常涉及以下几个步骤:
- 数据解析:
- 模型文件格式: WMM 数据通常以.cof 文件格式提供,这是一个文本文件,其中包含一系列的系数,描述了地球磁场的球面谐波模型。
- 解析库: 为了读取和使用这些系数,您可能需要使用特定的编程库或工具,例如 geomag(用于 C/C++)、pygeomag(用于 Python) 或其他类似库。
- 计算磁场值:
- 输入参数: 您需要提供地理位置(纬度、经度)和高度,以及时间(通常是年份),才能计算该点处的地球磁场。
- 计算方法: WMM 模型的计算涉及球面谐波函数的求和和计算。使用编程库可以简化这一复杂过程。
- 输出结果: 计算结果通常包括磁场强度(总强度)、倾角、偏角、水平强度、垂直强度等磁场要素。
- 实际应用:
- 导航校正: WMM 数据可用于校正罗盘,提高导航精度。
- 地磁数据分析: 用于地磁学研究和地球物理勘探。
- 其他领域: 用于需要考虑地磁场的其他应用,如卫星定位、大气物理等。
示例代码(Python):
以下是一个使用 pygeomag 库的 Python 代码示例,用于演示如何读取 WMM2025 数据并计算地球磁场值。用户需要先安装 pygeomag 库
import pygeomag as geomag
1# 指定 WMM 模型文件(您需要下载模型文件并替换为实际路径)
2model_path = ‘WMM2025.COF’
3
4# 创建 WMM 模型对象
5wmm_model = geomag.load_model(model_path)
6
7# 设置计算位置和时间 (示例:北京,2024年)
8latitude = 39.91 # 纬度
9longitude = 116.39 # 经度
10altitude = 0 # 海拔高度 (km)
11year = 2024.0 # 年份
12
13# 计算磁场要素
14result = wmm_model.calc_field(latitude, longitude, altitude, year)
15
16# 打印结果
17print(“纬度:”, latitude)
18print(“经度:”, longitude)
19print(“海拔高度:”, altitude)
20print(“年份:”, year)
21print(“磁场强度 (nT):”, result.f)
22print(“磁偏角 (度):”, result.dec)
23print(“磁倾角 (度):”, result.inc)`
使用流程:
- 下载WMM模型文件。
- 选择合适的编程语言和WMM库 (例如,Python的pygeomag)。
- 安装相关库。
- 编写代码,读取模型文件。
- 输入地理位置、高度和时间。
- 调用库函数计算磁场要素。
- 根据计算结果进行后续应用。
总结
世界磁场模型WMM2025的发布,标志着地球磁场建模和导航技术取得了重要进展。WMM2025不仅提供了更精确的导航数据,还首次引入了高分辨率模型,将进一步提高导航精度。对于依赖地球磁场的各类技术系统而言,WMM 模型是至关重要的基础设施,它确保着全球导航的准确可靠。通过NCEI、BGS 等机构的持续努力和国际合作,我们对地球磁场的理解将不断深入,未来也将会出现更加先进和精确的地球磁场模型。

References:
- https://www.ncei.noaa.gov/products/geomagnetic-data
- https://www.ncei.noaa.gov/news/tracking-changes-earth-magnetic-poles
- https://noaa.hub.arcgis.com/apps/3b9045c4d1aa408694d3759d1aa5ede4/explore
- https://www.ncei.noaa.gov/products/world-magnetic-model
- https://www.ncei.noaa.gov/access/metadata/landing-page/bin/iso?id=gov.noaa.ngdc:WMM2025
- https://www.ncei.noaa.gov/sites/g/files/anmtlf171/files/2023-12/WMM\_Annual\_Report\_2023.pdf
本公众号相关内容推荐
- 推荐10个用于处理GIS和遥感数据的Python库
- AI行业的2024年
- ECMWF的AI天气预报系统AIFS开放模型权重参数
- The Well:可用于机器学习研究的15TB 物理模拟数据集
- 推荐6个美化Matplotlib可视化样式的python库
- AI天气模型的现状与未来
- 流式传输和渲染可视化三维地理空间数据
- GIS领域常用的24种数据格式
- 一种基于图神经网络的三维建筑模型重建方法
- WebGIS技术栈推荐
- 使用Python工具可视化大型图网络
- 使用NetworkX提取图网络特征
- Argo海洋观测数据处理分析python库:ArgoPy
- 在Jupyter环境中创建交互式可视化地图
- 处理和可视化地理空间数据的Python库:EarthPy
- 地理空间深度学习python库:TorchGeo
- 遥感数据分析python库scikit-eo
- 图网络的应用场景及图分析python库
- 使用Python和NetworkX创建并可视化图网络(Graph Network)
- OpenResearcher:一个开源科学研究AI助理
- NeuralGCM: 一种融合机器学习与物理原理来模拟地球大气的新方法
- Transformer Explainer:文本生成模型交互式可视化工具
- 用于探索性数据分析(EDA)的开源python库
- 分享一个构建交互式D3js可视化的Python库
- 推荐15个图网络可视化python软件包
- 9个提升科研效率的软件工具
- 生成式人工智能模型颠覆传统天气预报
- 分享5个python可视化图表工具
- 分享17个网络(Network)数据可视化工具