An operational approach to the forecasting of the dynamics of the Earth's radiation belts - Archive ouverte HAL Accéder directement au contenu
Pré-Publication, Document De Travail Journal of Space Weather and Space Climate Année : 2021

An operational approach to the forecasting of the dynamics of the Earth's radiation belts

Une approche opérationnelle pour la prédiction de la dynamique des ceintures de radiations terrestres

Résumé

The Ca index is a time-integrated geomagnetic index that correlates well with the dynamics of high-energy electron fluxes in the outer radiation belts. Therefore it can be used as an indicator for the state of filling of the radiation belts for those electrons, with the advantage of being a groundbased measurement with extensive historical records. In this work we propose a data-driven model to forecast Ca up to 24 hours in advance from near-Earth solar wind parameters. Our model relies mainly on a recurrent neural network called Long Short Term Memory network that has shown good performances in forecasting other geomagnetic indices in previous papers. Most implementation choices in this study have been arbitrated from the point of view of a space system operator, including the data selection and split, the definition of a binary classification threshold and the evaluation methodology. We evaluate our model (against a linear baseline) using both classic and novel (in the space weather field) measures. In particular, we use the Temporal Distortion Mix (TDM) to assess the propensity of two time series to exhibit time lags. We also evaluate the ability of our model to detect storm onsets during calm periods. It is shown that our model has a high overall accuracy, with evaluation measures deteriorating in an almost linear trend over time. However, using the TDM and the metrics for evaluating the binary classification forecast, it is shown that after a time horizon of approximately 6 hours the forecasts lose some of their usefulness in an operational context. This behaviour was not observable when evaluating the model only with metrics such as the root-mean-square error or the Pearson linear correlation. Considering the physics of the problem, this result is not surprising and suggests that the use of more spatially remote data (such as solar imaging) could improve space weather forecasts.
L'indice Ca est un indice géomagnétique intégré dans le temps qui présente une bonne corrélation avec la dynamique des flux d'électrons de haute énergie dans les ceintures de radiation extérieures. Il peut donc être utilisé comme un indicateur de l'état de remplissage des ceintures de radiation pour ces électrons, avec les avantages d'être une mesure faite au sol et qui possède un historique important. Dans ce travail, nous proposons un modèle basé sur les données pour prévoir Ca jusqu'à 24 heures à l'avance à partir des paramètres du vent solaire proches de la Terre. Notre modèle s'appuie principalement sur un réseau de neurones récurrent appelé réseau de mémoire à long et à court terme (LSTM) qui a montré de bonnes performances dans la prévision d'autres indices géomagnétiques dans des articles précédents. La plupart des choix d'implémentation dans cette étude ont été arbitrés du point de vue d'un opérateur de système spatial, y compris la sélection et la division des données, la définition d'un seuil de classification binaire et la méthodologie d'évaluation. Nous évaluons notre modèle (par rapport à un modèle de base linéaire) en utilisant des métriques classiques et des métriques nouvelles (dans le domaine de la météorologie spatiale). En particulier, nous utilisons le Temporal Distortion Mix (TDM) pour évaluer la propension de deux séries temporelles à présenter des décalages temporels. Nous évaluons également la capacité de notre modèle à détecter les débuts de tempêtes pendant les périodes calmes. Nous montrons que notre modèle a une précision globale élevée, les mesures d'évaluation se détériorant selon une tendance presque linéaire dans le temps. Cependant, en utilisant le TDM et les mesures d'évaluation de la prévision par classification binaire, il est montré qu'après un horizon temporel d'environ 6 heures, les prévisions perdent une partie de leur utilité dans un contexte opérationnel. Ce comportement n'était pas observable lorsque le modèle était évalué uniquement avec des mesures telles que l'erreur quadratique moyenne ou la corrélation linéaire. Compte tenu de la physique du problème, ce résultat n'est pas surprenant et suggère que l'utilisation de données plus éloignées dans l'espace (comme l'imagerie solaire) pourrait améliorer les prévisions relevant de la météorologie de l'espace.
Fichier principal
Vignette du fichier
DPHY21052_preprint.pdf (4.72 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03242557 , version 1 (31-05-2021)
hal-03242557 , version 2 (02-12-2021)
hal-03242557 , version 3 (11-02-2022)

Licence

Identifiants

  • HAL Id : hal-03242557 , version 1

Citer

Guillerme Bernoux, Antoine Brunet, Éric Buchlin, Miho Janvier, Angélica Sicard. An operational approach to the forecasting of the dynamics of the Earth's radiation belts. In press. ⟨hal-03242557v1⟩
156 Consultations
114 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More