人工智能建模揭示地球电离层不均匀体演化机制

近期，中科院比较行星学卓越创新中心、中国科学技术大学地球和空间科学学院、中科院近地空间环境重点实验室薛向辉教授研究团队开展了全球电离层不均匀体的建模研究，该研究采用了基于深度学习的多源数据融合技术，综合全球卫星导航系统（Global Navigation Satellite System，GNSS）和空间环境地基台站观测数据，重构了全球电离层E区不均匀体气候学演化的主要过程和控制因素，并探索了空间物理应用。该研究表明人工智能技术为复杂空间天气系统的建模提供了有效方法，对探索地球中高层大气的结构和长期演化，乃至行星大气的形成过程具有重要意义。10月25日，相关研究成果在线发表在《大气化学与物理》（Atmospheric Chemistry and Physics）上。

外太空流星体进入地球大气会发生烧蚀，这些烧蚀后的流星物质主要是Fe(铁)、Mg(镁)、Si(硅)和Na(钠)，少部分是由Ca (钙)和K (钾)组成。这些金属被视为进入地球高层大气的宇宙尘埃颗粒，它们以中性金属原子和离子的形式存在于海拔80至130千米的区域中，这部分区域的大气在太阳辐射下发生部分电离并产生大量的电子，被称为电离层E区。这些长寿命的金属离子和大量电子在复杂的外界驱动因素下汇聚形成稠密的E区不均匀体（Es层），其产生和出现具有很强的不确定性，演化机制也尚未明确，但是却极大的影响着无线电通信、定位、导航、航空航天等领域远程空间通讯的准确性和稳定性。NASA科学家最新发现类似的分层也存在于火星大气层中。电离层不均匀体复杂多变的动力学/电动力学过程对人类在地球、火星和其他行星上的远距离无线电通信和深空探测任务的安全实施都有着重要的影响。未来我国深空探测背景下行星间中继通讯如何保障，是空间科学研究领域关注的重要前沿科学问题之一。

图1基于人工智能技术重构全球电离层E区不均匀体示意图

研究团队在前期工作中（Tian et al., 2022, Space Weather, 20, 9）利用人工智能技术对全球电离层E区建模，证实了数据驱动建模的可行性，但缺少对外界驱动因素的解释。在最新的工作中，研究团队基于传统机器学习算法，初步探索了不同驱动因素对电离层E区不均匀体演化的影响。通过融合低层大气波动和太阳活动等多源观测数据，提出了更精确的全球电离层E区不均匀体的气候学重构模型（图1），有效捕捉了外界变化与电离层E区不均匀体之间的复杂关系（图2）。联合国内多个地基观测台站进行对比验证，进一步证实了模型的有效性和优越的预报能力。此外，研究团队基于该模型开发了全球范围的预测应用（图3），该应用可以为研究人员提供覆盖完整太阳活动周期（2002-2025）的E区不均匀体预报信息，预计对极端空间天气事件的预警做出重大贡献。

图2全球电离层E区不均匀体气候学观测结果和模型预测结果

图3研究团队开发的SELF-ANN（Sporadic E Layer Forecast using Artificial Neural Networks）应用和有效预测的时间范围

该研究成果表明了人工智能技术对电离层不均匀体形态的强大建模能力，为人工智能在空间天气建模领域开辟了新的道路。本研究提出的模型，不仅能够帮助我们预测和分析电离层E区的时空变化规律，而且有助于深入开展E区不均匀体的演化机制研究。随着我国子午工程建设和深空探测日益推进，本项工作可为深入理解和预测空间环境变化提供模型支持，更好地掌握电离层不均匀体对地球和其他行星大气中无线电波传播的影响，这对于保证长距离空间通信的稳定性和安全性至关重要。

论文第一作者为中国科学技术大学的田鹏浩博士，中国科学技术大学的薛向辉教授和深空探测实验室的于秉坤研究员为共同通讯作者。该研究成果以“Ionospheric irregularity reconstruction using multisource data fusion via deep learning”为题发表于国际权威学术期刊Atmospheric Chemistry and Physics上。该研究工作得到了量子科技创新计划、深空探测实验室前沿科学研究计划、中科院稳定支持基础研究领域青年团队计划、科技部重点研发计划、国家自然科学基金等资助。同时，中国科学技术大学超级计算中心为本研究提供模拟支持。

论文链接：https://doi.org/10.5194/acp-23-13413-2023