Voorspelling van aardse stralingsgordels met behulp van deep learning

2023-2024
Op het BIRA werd een prototypemodel op basis van een artificieel neuraal netwerk ontwikkeld om het gedrag van hoogenergetische deeltjes die dichtbij de aarde gevangen zitten in haar magnetisch veld te onderzoeken en te voorspellen. Deze ruimtestraling is het resultaat van plotse zonne-uitbarstingen en voortdurende kosmische stralingsbuien.

Het opvolgen van de evolutie van deze stralingsomgeving is cruciaal vanwege de gevaarlijke effecten op menselijke activiteiten en de gezondheid.

Body text

De stralingsgordels van de aarde en hun risico's

De aardse Van Allen-stralingsgordels vormen een gebied van hoogenergetische deeltjes die gevangen zitten in het magnetische veld van de aarde. Deze deeltjes komen naar de aarde na een plotselinge zonne-uitbarsting of als achtergrondstraling vanuit de ruimte.

De stralingsgordels bestaan uit een binnenste zone, die voornamelijk bevolkt wordt door protonen, en een buitenste zone, die voornamelijk gevuld wordt door elektronen, ook al komen beide soorten deeltjes in beide zones naast elkaar voor. Deze twee gordels worden gescheiden door een zone zonder deeltjes. Deze hele configuratie is echter zeer dynamisch, vooral tijdens hoge zonneactiviteit.

Het continu monitoren van de nabije aardstraling is van cruciaal belang. Plotselinge stijgingen van de deeltjesfluxen en langdurige blootstelling aan straling vormen een ernstige bedreiging voor zowel de menselijke infrastructuur als de volksgezondheid. Essentiële systemen die gevaar lopen zijn onder andere elektriciteitsnetten, communicatiesatellieten en luchtvaartapparatuur, die verstoringen kunnen ondervinden of volledig kunnen uitvallen.

Bovendien lopen mensen die aan dergelijke straling worden blootgesteld risico's, variërend van acute verwondingen tot gezondheidseffecten op lange termijn, waaronder kanker.

Voorspellingsmodel

Een deep learning neuraal netwerk Long Short-Term Model (LSTM) is recentelijk ontwikkeld in een prototypefase dat voorspellingen doet over de dynamica van de Van Allen-stralingsgordels [Botek et al., 2023]. Het model wordt aangestuurd door satellietgegevens van het instrument Energetic Particle Telescope (EPT) [Pierrard et al., 2014].

Dit instrument werd in mei 2013 gelanceerd aan boord van de PROBA-V-satelliet van het Europese Ruimteagentschap in een baan om de aarde op 820 km hoogte.

EPT maakt onderscheid tussen elektronen, protonen en heliumionen in het energiebereik van respectievelijk 0,5-20 MeV, 9,5-300 MeV en 38-1200 MeV. De hoge ruimtelijke en tijdsresolutie van de metingen gedurende meer dan 11 jaar vertegenwoordigt een buitengewone dekking van rustige en stormachtige perioden van zonneactiviteit.

Deze langetermijnwaarnemingen maken de succesvolle training mogelijk van een robuust voorspellingsmodel dat zeer goede prestaties kan leveren van 1 tot 8 L-shells, waarbij L de equatoriale afstand van de magnetische veldlijnen is, uitgedrukt in aardstralen (RE).

De resultaten van het model zijn de voorspellingen van de logaritme van elektronenfluxen voor twee energiekanalen: 550 keV (aangeduid als 'e1') en 1,7 MeV (aangeduid als 'e5').

Figuur 1 toont de prestaties van de 'e5' elektronenfluxvoorspellingen gedurende een periode in 2018 langs de PROBA-V-baan met 1-uurresolutie. De drie panelen vertegenwoordigen verschillende L-shell-bereiken: a) met alle stralingsgordelregio's (1-8 RE), b) zonder de binnenste gordel (2-8 RE) en c) met alleen de buitenste gordel (3-8 RE). Het model gebruikt als invoer: de satellietwaargenomen fluxen, de satellietcoördinaten en de geomagnetische SYM/H-index (maat voor de magnetische verstoringen aan het aardoppervlak). Deze worden “inputgroep 4” genoemd.

Figuur 2 toont de vergelijking tussen EPT-waarnemingen (bovenste paneel) en modelvoorspellingen voor de ontwikkeling van de elektronenflux 'e1' over het hele L-tijdspectrum, beperkt tot de buitenste stralingsgordel (onderste paneel). Alle andere instellingen zijn zoals in figuur 1.

Verdere modelontwikkelingen omvatten:

  1. voorspellingen bij hogere resoluties in ruimte en tijd om verschijnselen op verschillende schalen vast te leggen en
  2. integratie van fysica in de leerprocedure.

 

Referenties:

  • Botek, E., Pierrard, V., Winant, A. (2023). Space Weather, 21, e2023SW003466. https://doi. org/10.1029/2023SW003466.
     
  • Pierrard, V. et al. (2014), The Energetic Particle Telescope: First results, Space Science Rev., 184(1), 87-106, DOI: 10.1007/s11214-014-0097-8, 2014.
Aarde, magnetisch veld en stralingsgordels in het heelal. Credits: NASA

Figure 2 body text

Figure 2 caption (legend)

Figuur 1: Correlatie tussen uurlijkse Log(e5) EPT waargenomen en door Machine Learning (ML) voorspelde fluxen in elektronen/(cm2 s sr MeV) voor invoergroep 4 en voor een terugkijkperiode van 48 uur bij verschillende L-bereiken in aardstralen.

Figure 3 body text

Figure 3 caption (legend)

Figuur 2: Waargenomen (EPT) en voorspeld (Machine Learning) uurlijkse Log(e1) fluxen in elektronen/(cm2 s sr MeV) voor inputrgroep 4 en voor een terugkijkperiode van 48 uur aan de buitenste stralingsgordel.