پیش‌بینی چگالی خنثی در طوفان ژئومغناطیسی با روشی جدید/انتشار مقاله استاد ایرانی در نشریه «نیچر»

عضو هیات‌ علمی دانشکدگان فنی دانشگاه تهران بر اساس تلفیق داده‌های ماهواره‌ای با یک مدل تجربی ترموسفری و با استفاده از روش «کالمن فیلتر» گروهی، توانست چگالی خنثای ترموسفر را در شرایط طوفان ژئومغناطیسی پیش‌بینی کند.

به گزارش ایسنا، دکتر سعید فرزانه، عضو هیات‌علمی دانشکده مهندسی نقشه‌برداری و اطلاعات مکانی دانشگاه تهران، در مقاله‌ خود که در نشریه «نیچر» چاپ و منتشر شده است، روش نوینی را برای پیش‌بینی چگالی خنثای ترموسفر در شرایط طوفان ژئومغناطیسی ارائه کرده است.

دکتر فرزانه در توضیح این روش گفت: روش ارائه شده بر اساس تلفیق داده‌های ماهواره‌ای با یک مدل تجربی ترموسفری با استفاده از روش «کالمن فیلتر» گروهی (Ensemble Kalman Filter) است که ترکیبی از تکنیک‌های داده‌گواری و کالیبراسیون مدل را شامل می‌شود.

وی افزود: اصطلاح چگالی خنثای ترموسفر، به میزان ذرات خنثی در اتمسفر فوقانی، با ارتفاع ۱۰۰ الی ۲۰۰۰ کیلومتر از سطح زمین اشاره دارد که اندازه‌گیری دقیق این مشخصه اتمسفری، نقش حیاتی در تعیین و پیش‌بینی مدارهای فضاپیما یا ورود آن‌ها به جو زمین ایفا می‌کند.

دکتر فرزانه در توضیح چگونگی دستیابی به این روش نوین، خاطرنشان کرد: در این تحقیق، مدل تجربی NRLMSISE-۰ به‌عنوان مدل پس‌زمینه مورد استفاده قرار گرفته است و کالیبراسیون مدل، توسط مشاهدات چگالی خنثای حاصل از  شتاب‌سنج‌های ماهواره‌ای در مسیر مأموریت‌هایی چون CHAMP، GRACE و Swarm انجام شده است.

وی درباره قابلیت‌ها و مزایای این مدل و روش نوین، تصریح کرد: مدل بهبودیافته با نام C/DA-NRLMSISE-۰ در هفت دوره طوفانی ترموسفر تجزیه و تحلیل شد، به‌طوری‌که نتایج عددی نشان دادند میزان خطا در پیش‌بینی‌های کوتاه‌مدت چگالی خنثی به میزان ۲۵ الی ۶۳ درصد نسبت به مدل‌های استاندارد کاهش یافته است.

عضو هیات علمی دانشکده مهندسی نقشه‌برداری و اطلاعات مکانی همچنین گفت: علاوه‌بر کاهش خطا، مدل C/DA-NRLMSISE-۰ قادر به تخمین چگالی خنثی به‌صورت جهانی و در هر ارتفاعی است که این اطلاعات می‌تواند امکان مطالعه سیستم توأم «ترموسفر- یونسفر» را فراهم کند که این توانایی جهت مطالعات مرتبط با آب و هوای فضا، پیش‌بینی مدارها و طول عمر ماهواره‌ها مفید است.

دکتر فرزانه در پایان یادآور شد: باید توجه داشته باشیم که در این روش از مشاهدات با دسترسی آزاد جهت بهبود مدل و ارائه آن به جامعه پژوهشی استفاده شده است.

علاقه‌مندان جهت مطالعه بیشتر داده‌های این مقاله می‌توانند به پیوند زیر مراجعه کنند:

https://www.nature.com/articles/s41598-۱۹-۴۷۴۴۰-x

انتهای پیام