Projektinformation
Syfte
Detta projekt är inriktat på att långsiktigt förbättra mätnoggrannheten av klimatförändringar, väderparametrar och rymdväder med hjälp av RO. RO-instrumentet mäter GNSS-signalens brytningsvinkel som funktion av höjden i atmosfären.
Genomförande
I del ett studerades mätningar från MetOp upp 85 kms höjd. I NRFP-projektet har ett simuleringsverktyg utvecklats för att modellera jonosfäriska störningar. Jonosfäriska störningar är konsekvenser av solaktiviteter och jonosfäriska förhållanden, dvs. rymdväder. Radiookultationsmätningar som tillhandahålls av MetOp-satelliter har global täckning och ger en stor mängd data för att undersöka ett sådant fenomen. Vi håller nu på med att avsluta arbetspaketen i den projektdelen av projektet med att göra statistisk utvärdering och optimera parametrar i simuleringsmodellen. I del två kommer vi fortsätta där del ett slutade.
En naturlig fortsättning på detta arbete är att utvidga användningen simuleringsverktyget för att utföra en statistisk analys av jonosfäriska parametrar. De senaste åren har det skett en snabb utveckling inom artificiell intelligens (AI) och maskininlärning. Metoder har utvecklats vilka troligen passar väldigt bra för tillämpningar inom RO. Ett planerat arbetspaket i NRFP-4 del två, är därför att utveckla en maskininlärningsalgoritm upplärd för att utföra automatisk detektering av fall. Fallen kommer sedan att sammanställas i det datasätt som kommer att publiceras för andra forskare som referens.