Verbesserte Sonnensturmmodellierung mit Machine Learning
Sonnenstürme (CMEs) können geomagnetische Störungen verursachen, die Technik auf der Erde beeinträchtigen. Weitwinkelbilder ermöglichen ihre Verfolgung, sind aber in Echtzeit oft unvollständig. Wir nutzen maschinelles Lernen, um diese Daten zu verbessern und ein CME-Tracking-Tool zu entwickeln – ein Beitrag zur ESA-Mission Vigil und zur besseren Weltraumwettervorhersage.
Sonnenstürme, auch bekannt als koronale Massenauswürfe (CMEs), sind große Eruptionen von Plasma und Magnetfeldern aus der Sonnenkorona. Während des Sonnenmaximums trifft etwa einmal pro Woche ein CME auf die Erde und kann geomagnetische Stürme auslösen. Diese Stürme beeinträchtigen Stromnetze, Satelliten und Kommunikationssysteme. In extremen Fällen können sie Transformatoren beschädigen und Stromausfälle verursachen.
Zur Vorhersage der CME-Ankunft sind Beobachtungen nötig, um den Weg des Sturms zur Erde zu modellieren. Koronographen liefern Echtzeitdaten, die jedoch nur bis ca. 30 Sonnenradien reichen – das sind etwa zehn Prozent der Entfernung zwischen Sonne und Erde. Heliospheric Imager (HI) erfassen hingegen den gesamten Raum zwischen Sonne und Erde und erlauben es, CMEs auf ihrer gesamten Reise zu verfolgen. Diese Daten eignen sich ideal zur Modellierung von Kinematik und Ankunftszeit, stehen aber in Echtzeit nur mit geringer Auflösung und oft lückenhaft zur Verfügung. Hochwertige HI-Daten werden erst Tage später veröffentlicht und sind daher für Echtzeitprognosen unbrauchbar.
In diesem Projekt wollen wir HI-Beobachtungen mit Methoden des maschinellen Lernens kombinieren, um die CME-Ankunftsvorhersage zu verbessern. Wir verfolgen zwei Ansätze:
- Verbesserung der HI-Echtzeitdaten: Anhand von hochwertigen und minderwertigen HI-Daten soll ein Algorithmus trainiert werden, der aus Echtzeitdaten künstlich verbesserte Daten erzeugt. Mit diesen verbessern wir die Vorhersagegenauigkeit unseres Modells.
- Automatisches Erkennen und Verfolgen von CMEs: Wir entwickeln ein Tool zur CME-Erkennung und -Verfolgung auf Basis von HI-Daten. Solche Tools gibt es bisher nur für Koronographen, in denen erdgerichtete CMEs aber oft schwer erkennbar sind.
Beide Ansätze sollen die Vorhersagegenauigkeit verbessern und die Zahl der Fehlalarme senken. Im Hinblick auf die ESA-Mission Vigil leistet dieses Projekt einen wichtigen Beitrag zur Weltraumwettervorhersage auf Basis von HI-Daten.