Modelowanie i predykcja stanu jonosfery z wykorzystaniem obserwacji GNSS oraz uczenia maszynowego
Identyfikator grantu: PT01050
Kierownik projektu: Grzegorz Nykiel
Politechnika Gdańska
Wydział Inżynierii Lądowej i Środowiska
Gdańsk
Data otwarcia: 2023-03-15
Planowana data zakończenia grantu: 2027-03-15
Streszczenie projektu
Aktywność jonosfery odgrywa istotną rolę w propagacji sygnałów elektromagnetycznych, zwłaszcza transjonosferycznych. Występowanie zakłóceń może mieć negatywny wpływ m.in. na radiokomunikację, pozycjonowanie z wykorzystaniem nawigacji satelitarnej oraz infrastrukturę energetyczną. Dlatego bardzo ważne jest monitorowanie jej stanu i prognozowanie możliwych zakłóceń. Można to robić np. za pomocą sygnałów z globalnych systemów nawigacji satelitarnej (GNSS), gdzie zastosowanie pomiarów dwuczęstotliwościowych pozwala na oszacowanie opóźnienia jonosferycznego, a w konsekwencji całkowitej zawartości elektronów (TEC) w jonosferze. Globalne rozmieszczenie stałych stacji GNSS, np. w ramach International GNSS Service (IGS), pozwala na opracowanie globalnych map TEC.
Celem projektu jest realizacja zadań realizowanych w ramach grantu ARGENTUM DEC-31/2021/IDUB/I.3.3 pod tytułem „Modeling and forecasting of the global ionospheric state based on the GNSS technique and machine learning”. Ich zakres obejmuje udoskonalenie istniejących rozwiązań w zakresie modelowania i prognozowania TEC z wykorzystaniem obserwacji GNSS, a także algorytmów uczenia maszynowego. Wszystkie analizy będą prowadzone dla 16-letniego okresu od 2005 do 2021 roku, co powinno zapewnić odpowiedni zbiór danych wejściowych dla algorytmów uczenia maszynowego. W wyniku realizacji projektu zostanie opracowane archiwum map jonosferycznych wraz z dedykowaną stroną internetową zawierającą rezultaty projektu. Na podstawie wykonanych prac zostanie również uruchomiony serwis prezentujące bieżący stan jonosfery oraz prognozę.
Celem projektu jest realizacja zadań realizowanych w ramach grantu ARGENTUM DEC-31/2021/IDUB/I.3.3 pod tytułem „Modeling and forecasting of the global ionospheric state based on the GNSS technique and machine learning”. Ich zakres obejmuje udoskonalenie istniejących rozwiązań w zakresie modelowania i prognozowania TEC z wykorzystaniem obserwacji GNSS, a także algorytmów uczenia maszynowego. Wszystkie analizy będą prowadzone dla 16-letniego okresu od 2005 do 2021 roku, co powinno zapewnić odpowiedni zbiór danych wejściowych dla algorytmów uczenia maszynowego. W wyniku realizacji projektu zostanie opracowane archiwum map jonosferycznych wraz z dedykowaną stroną internetową zawierającą rezultaty projektu. Na podstawie wykonanych prac zostanie również uruchomiony serwis prezentujące bieżący stan jonosfery oraz prognozę.
Publikacje
- Mateusz Poniatowski, Grzegorz Nykiel, Claudia Borries, Jędrzej Szmytkowski, Spatio-Temporal Validation of GNSS-Derived Global Ionosphere Maps Using 16 Years of Jason Satellites Observations, Remote Sensing 15, (2023) 5053
- Grzegorz Nykiel, Juan Andrés Cahuasquí, Mohammed Mainul Hoque, Norbert Jakowski, Relationship between GIX, SIDX, and ROTI ionospheric indices and GNSS precise positioning results under geomagnetic storms, GPS Solutions 28, (2024) 69
- Nykiel G., Ferreira A., Gunzkofer F., Iochem P., Tasnim S., Sato H., Large‐Scale Traveling Ionospheric Disturbances Over the European Sector During the Geomagnetic Storm on March 23–24, 2023: Energy Deposition in the Source Regions and the Propagation Characteristics, Journal of Geophysical Research: Space Physics 129, (2024) 1-21
- Baldysz Z., Nykiel G., Baranowski D.B., Latos B., Figurski M., Diurnal variability of atmospheric water vapour, precipitation and cloud top temperature across the global tropics derived from satellite observations and GNSS technique, Climate Dynamics 62, (2024) 1965-1982