電離層は、太陽放射によってイオン化された地球の上層大気の層であり、通信とナビゲーションにおいて重要な役割を果たします。
ニューラル ネットワークにより、地球の大気層を再構築する能力が大幅に向上し、より正確な結果を得ることが可能になりました。 これは、他のアプリケーションの中でも、衛星ナビゲーションに重要な意味を持ちます。
地球上空 60 ～ 1000 キロメートルに位置する地理空間の領域である電離層は、荷電粒子が原因で、全地球航法衛星システム (GNSS) からの無線信号伝送を妨害します。 この干渉は、自動運転や正確な衛星軌道決定などの研究および実用アプリケーションの両方で、これらのシステムに要求される精度の向上に課題をもたらします。
GNSS アプリケーションのエラーの主な原因である電離層の遅延を補正するために、電離層とその変動する動的電荷分布のモデルを利用できます。 新しい電離層モデルが、地球科学のための GFZ ドイツ研究センターの研究者 Artem Smirnov と Yuri Shprits によって導入されました。 ニューラル ネットワークと 19 年間の衛星測定データに基づくこのモデルは、雑誌に掲載されました。 
Electron density of the Ionosphere around the Earth for a certain point of time: high values in red, low values in blue. The white line marks the geomagnetic equator. Credit: Smirnov et al. (2023) – Scientific Reports
Background: Importance and complexity of the ionosphere
The Earth’s ionosphere is the region of the upper atmosphere that extends from about 60 to 1000 kilometers in altitude. Here, charged particles such as electrons and positive ions dominate, caused by the radiation activity of the Sun – hence the name. The ionosphere is important for many scientific and industrial applications because the charged particles influence the propagation of electromagnetic waves such as radio signals.
The so-called ionospheric propagation delay of radio signals is one of the most important sources of interference for satellite navigation. This is proportional to the electron density in the space traversed. Therefore, a good knowledge of the electron density can help in correcting the signals. In particular, the upper region of the ionosphere, above 600 kilometers, is of interest, since 80 percent of the electrons are gathered in this so-called topside ionosphere.
The problem is that the electron density varies greatly – depending on the longitude and latitude above the Earth, the time of day and year, and solar activity. This makes it difficult to reconstruct and predict them, the basis for correcting radio signals, for example.
丸 3 日間にわたる地球周辺の電離層の電子密度の変化のアニメーション: 赤が高い値、青が低い値。 白線は地磁気赤道。 クレジット: Smirnov ら。 (2023) – 科学レポート
以前のモデル
電離層の電子密度のモデル化にはさまざまなアプローチがあり、中でも国際基準電離層モデル IRI は 2014 年から認識されています。これは、観測の統計分析に基づいて入力変数と出力変数の関係を確立する経験的モデルです。 . しかし、電離層の重要な領域ではまだ弱点があります。これは、その領域で以前に収集された観測の範囲が限られているためです。
しかし、最近では、この領域に関する大量のデータが利用できるようになりました。 したがって、機械学習 (ML) アプローチは、特に複雑な非線形関係の場合に、これから規則性を導き出すのに役立ちます。
機械学習とニューラル ネットワークを使用した新しいアプローチ
アルテム・スミルノフ博士を中心とした地球科学のためのGFZドイツ研究センターのチーム学生であり研究の筆頭著者であり、「宇宙物理学と宇宙天気」セクションの責任者であり、ポツダム大学の教授である Yuri Shprits は、新しい ML ベースの経験的アプローチを採用しました。 このために、彼らは 19 年間の衛星ミッションからのデータを使用しました。特に、GFZ と COSMIC によって大幅に協力されている CHAMP、GRACE、および GRACE-FO です。 衛星は、とりわけ電離層のさまざまな高さ範囲で電子密度を測定し、さまざまな年次および地方時、ならびに太陽周期をカバーしています。
ニューラル ネットワークの助けを借りて、研究者は、NET モデルと呼ばれる上部電離層の電子密度のモデルを開発しました。 彼らは、ネットワークの重みを繰り返し学習して非常に高いデータ分布を再現する、いわゆる MLP メソッド (Multi-Layer Perceptrons) を使用しました。[{” attribute=””>accuracy.
The researchers tested the model with independent measurements from three other satellite missions.
Evaluation of the new model
“Our model is in remarkable agreement with the measurements: It can reconstruct the electron density very well in all height ranges of the topside ionosphere, all around the Globe, at all times of the year and day, and at different levels of solar activity, and it significantly exceeds the International Reference Ionosphere Model IRI in accuracy. Moreover, it covers space continuously,” first author Artem Smirnov sums up.
Yuri Shprits adds: “This study represents a paradigm shift in ionospheric research because it shows that ionospheric densities can be reconstructed with very high accuracy. The NET model reproduces the effects of numerous physical processes that govern the dynamics of the topside ionosphere and can have broad applications in ionospheric research.”
Possible applications in ionosphere research
The researchers see possible applications, for instance, in wave propagation studies, for calibrating new electron density data sets with often unknown baseline offsets, for tomographic reconstructions in the form of a background model, as well as to analyze specific space weather events and perform long-term ionospheric reconstructions. Furthermore, the developed model can be connected to plasmaspheric altitudes and thus can become a novel topside option for the IRI.
The developed framework allows the seamless incorporation of new data and new data sources. The retraining of the model can be done on a standard PC and can be performed on a regular basis. Overall, the NET model represents a significant improvement over traditional methods and highlights the potential of neural network-based models to provide a more accurate representation of the ionosphere for communication and navigation systems that rely on GNSS.
Reference: “A novel neural network model of Earth’s topside ionosphere” by Artem Smirnov, Yuri Shprits, Fabricio Prol, Hermann Lühr, Max Berrendorf, Irina Zhelavskaya and Chao Xiong, 24 January 2023, Scientific Reports.
DOI: 10.1038/s41598-023-28034-z