地球电离层的更精确模型(2)

所谓的无线电信号电离层传播延迟是卫星导航最重要的干扰源之一。这与穿越空间中的电子密度成正比。因此，对电子密度的良好了解可以帮助校正信号。特别是，电离层的上部区域，超过600公里，是有趣的，因为80%的电子聚集在这个所谓的上部电离层中。
问题在于电子密度变化很大 - 取决于地球上空的经度和纬度，一天和一年中的时间以及太阳活动。这使得重建和预测它们变得困难，例如，这是校正无线电信号的基础。

以前的型号

电离层电子密度建模有多种方法，其中包括自2014年以来已获得认可的国际参考电离层模型IRI。它是一种经验模型，基于对观测值的统计分析，在输入和输出变量之间建立关系。然而，它在上层电离层的重要区域仍然存在弱点，因为以前在该区域收集的观测结果的覆盖范围有限。
然而，最近，这一领域的大量数据已经可用。因此，机器学习（ML）方法有助于从中得出规律，特别是对于复杂的非线性关系。

使用机器学习和神经网络的新方法

来自GFZ德国地球科学研究中心的一个团队围绕博士生，该研究的第一作者Artem Smirnov和“空间物理和空间天气”部门负责人兼波茨坦大学教授Yuri Shprits采取了一种新的基于ML的经验方法。
为此，他们使用了19年来的卫星任务数据，特别是CHAMP，GRACE和GRACE-FO，它们过去和现在都由GFZ和COSMIC进行了大量合作。这些卫星测量了电离层不同高度范围内的电子密度，涵盖了不同的年度和当地时间以及太阳周期。
在神经网络的帮助下，研究人员随后开发了一个用于上层电离层电子密度的模型，他们称之为NET模型。他们使用了所谓的MLP方法（多层感知器），该方法迭代学习网络权重，以非常高的精度再现数据分布。
研究人员用其他三个卫星任务的独立测量结果测试了该模型。

新模型的评估

“我们的模型与测量结果非常一致：它可以很好地重建电子密度在顶部电离层的所有高度范围内，在全球各地，在一年和一天中的任何时间，以及不同的太阳活动水平，并且它在精度上显着超过了国际参考电离层模型IRI。此外，它连续覆盖空间，“第一作者Artem Smirnov总结道。
Yuri Shprits补充说：“这项研究代表了电离层研究的范式转变，因为它表明电离层密度可以以非常高的精度重建。NET模型再现了控制上层电离层动力学的众多物理过程的影响，并且可以在电离层研究中得到广泛的应用。