DENSER
Le projet DEeply uNderstanding Space weathER (DENSER) de l'Agence spatiale européenne (ESA), dirigé par Space Applications Services NV/SA, consistait à étudier comment l'apprentissage automatique pouvait améliorer les prévisions météorologiques de l'espace et à fournir des recommandations pour les développements futurs. Le projet a commencé par une analyse approfondie de documents couvrant l’application de l’apprentissage automatique dans tous les domaines de la météorologie spatiale.
L’équipe a ensuite développé deux modèles de prévision de séries temporelles de phénomènes dans deux domaines physiques complètement différents:
- l’augmentation du flux de protons juste à l'extérieur de la magnétosphère dûe aux éruptions solaires (ForMaL-SEP)
- la variation de la composante nord du champ magnétique au sol à la suite de perturbations géomagnétiques (ForMaL-Xrange).
L’équipe de l’IASB a coordonné plusieurs tâches et contribué au développement du modèle ForMaL-SEP.
Particules énergétiques solaires
Les éruptions solaires et les éjections de masse coronale peuvent accélérer les particules telles que les électrons, les protons et les ions plus lourds à des énergies élevées. Celles-ci peuvent alors s'échapper dans l'espace interplanétaire. Le flux de particules mesuré par des instruments à bord de satellites d’observation, augmentent alors soudainement de plusieurs ordres de grandeur. Cette augmentation peut durer plusieurs jours, voire plusieurs semaines. Le champ magnétique terrestre dévie la plupart de ces particules. Celles qui parviennent malgré tout à pénétrer la magnétosphère sont pour la plupart absorbées dans l'atmosphère.
Malgré cela, ces particules hautement énergétiques peuvent engendrer des dommages à l'avionique, des perturbations de communication et des augmentations de la dose de rayonnement ionisants auxquels les équipages et les passagers sont exposés lors de vols polaires (car les particules peuvent pénétrer plus facilement dans la magnétosphère au niveau des pôles). Les satellites, les engins spatiaux et les astronautes sont moins bien protégés par les boucliers naturels de la Terre ce qui demande une vigilance accrue.
ForMaL-SEP
L’équipe de l’IASB a développé les techniques de sélection et de traitement des mesures de flux de rayons X et de protons solaires qui servent d'entrée au modèle ForMaL-SEP. L’équipe a aussi fourni un soutien scientifique pendant la phase d'apprentissage du modèle. Une validation approfondie a montré que le modèle actuel prédit trop de faux positifs.
Les différentes équipes du projet explorent actuellement les possibilités de réduire ce taux de faux positifs en améliorant l'entraînement du modèle et en incluant des données d'entrée supplémentaires.
Recommandations
Une campagne de tests pour les utilisateurs finaux coordonnée par l’IASB, combinée aux résultats et à l'expérience acquise dans le cadre d’autres activités du projet, a permis de formuler de nombreuses recommandations pour des améliorations futures aux modèles développés.
En outre, le projet a également permis à l’équipe de recommander quand et comment les techniques d'apprentissage automatique pourraient être appliquées pour améliorer les modèles de prévision dans le domaine de la météorologie spatiale, ainsi que préciser les besoins d'infrastructure nécessaires pour soutenir de tels développements.
