Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Девятнадцатая международная конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

Участие в Школе молодых Участие в конкурсе молодых ученых 

XIX.I.310

Мониторинг авроральной активности по данным глобальных навигационных спутниковых систем с использованием модели машинного обучения Random Forest

Серебренникова С.А. (1), Ясюкевич Ю.В. (1), Веснин А.М. (1)
(1) Институт солнечно-земной физики СО РАН, Иркутск, Россия
Глобальные навигационные спутниковые системы (ГНСС) в настоящее время позволяют осуществлять мониторинг ионосферных неоднородностей по измерениям вариаций полного электронного содержания (ПЭС)[1]. Большое число спутников ГНСС позволяет использовать объединенную группировку и мировую сеть приемников как детектор возмущений, и в том числе осуществлять мониторинг процессов в авроральной области.Одной из областей локализации ионосферных возмущений является область аврорального овала.
Существует несколько моделей, позволяющих получать прогноз мощности и границы аврорального овала, однако, они используют часовые данные геомагнитных индексов (измерения магнитного поля, Kp, данные солнечного ветра и т.п.). ГНСС в свою очередь, имея информацию о глобальном распределении возмущенности ПЭС потенциально может осуществлять мониторинг авроральной активности [2] в режиме реального времени.
В работе на основе данных ГНСС мы строим модель, связывающую вариации ПЭС с мощностью авроральных высыпаний и их границей. Для нахождения взаимосвязи был использован метод машинного обучения Random Forest.
В качестве входных данных использовались 2-10 минутные вариации ПЭС, рассчитываемые системой обработки ГНСС-данных SIMuRG ([3], https://simurg.iszf.irk.ru/), разработанной в ИСЗФ СО РАН. В качестве данных для обучения модели Random Forest использовались два источника: данные плотности потока электронов модели Ovation Prime и экспериментальные данные плотности потока электронов со спутника DMSP. Разработанная модель позволяет получать в виде карт двумерное пространственное распределение потока энергии авроральных высыпаний.
На данный момент карты авроральных высыпаний, полученные на основе разработанной модели, с использованием машинного обучения Random Forest, дают хорошую согласованность с данными модели Ovation Prime и экспериментальными данными со спутника DMSP.
Согласованность карт авроральных высыпаний, полученных моделью растёт с увеличением количества дней обучения, сформированных с нормальным распределением по индексу Kp (включая спокойные дни, магнитные бури и сильные магнитные бури). Минусом данного подхода является большее потребление вычислительной мощности и оперативной памяти компьютера, что в значительной степени увеличивает время обучения модели.
Разработанная модель в дальнейшем может быть использована для получения актуальной оценки мощности и границы авроральных высыпаний в системах реального времени.
Работа поддержана грантом Российского научного фонда № 17-77-20005.

Ключевые слова: ионосфера, ионосферные карты, авроральный овал, модель машинного обучения, random forest, полное электронное содержание, GPS, ГЛОНАСС
Литература:
  1. E.L. Afraimovich, E.I. Astafyeva, V.V. Demyanov, I.K. Edemskiy, N.S. Gavrilyuk, A.B. Ishin, E.A. Kosogorov, L.A. Leonovich, O. S. Lesyuta, K.S. Palamartchouk, N.P. Perevalova, A.S. Polyakova, G.Y. Smolkov, S.V. Voeykov, Yu.V. Yasyukevich, I.V. Zhivetiev. Review of GPS/GLONASS studies of the ionospheric response to natural and anthropogenic processes and phenomena // Journal of Space Weather and Space Climate. V. 3. A27. doi:10.1051/swsc/2013049. 2013.
  2. Черноус С.А., Шагимуратов И.И., Алпатов В.В., Филатов М.В., Будников П.А., Ефишов И.И., Федоренко Ю.В. АВРОРАЛЬНЫЙ ОВАЛ И ОВАЛ НЕОДНОРОДНОСТЕЙ ПОЛНОГО ЭЛЕКТРОННОГО СОДЕРЖАНИЯ В РАЗЛИЧНЫХ ГЕЛИОГЕОФИЗИЧЕСКИХ УСЛОВИЯХ // Труды Второй всероссийской конференции "Гелиогеофизические исследования в Арктике", 2018. с. 102-105. DOI: 10.25702/KSC.978-5-91137-381-8.102-105.
  3. Yasyukevich, Y.V., Kiselev, A.V., Zhivetiev, I.V. et al. SIMuRG: System for Ionosphere Monitoring and Research from GNSS. GPS Solut 24, 69 (2020). https://doi.org/10.1007/s10291-020-00983-2

Дистанционное зондирование ионосферы