El Proyecto Discriple integra la ciencia, la IA y los datos abiertos para la resiliencia operativa y la excelencia científica.
La ionosfera, un componente ionizado de la atmósfera superior que se extiende de 90-1000 km de la tierra, juega un papel importante en la infraestructura moderna. Afecta todo, desde la aviación y la navegación hasta las comunicaciones inalámbricas y los servicios de emergencia.
El Proyecto Discripric está trabajando para comprender cómo monitorear y comprender esta parte importante de nuestra atmósfera. Esto es importante ya que el pronóstico mejorado y la vigilancia a largo plazo conducen a una comunicación más resistente, una mejor precisión del GPS y una preparación más fuerte para las interrupciones climáticas espaciales.
Trabajando con estudiantes de doctorado y primeros científicos, los investigadores de Discret combinan datos satelitales y terrestres con procesamiento de datos de vanguardia e inteligencia artificial para proporcionar una visión más precisa y confiable de las condiciones de ionosfera.
El desarrollo científico bajo Discret se basa en datos ambientales espaciales precisos y oportunos recopilados por redes de plataformas terrestres y transmitidas por el espacio. Estas plataformas envían datos en tiempo real a los sistemas de pronóstico del clima espacial para admitir operaciones como funciones de radar, control de satélite, descubrimiento de dirección y navegación y posicionamiento de precisión.
Por qué la precisión de los datos es importante
Dada la importancia operativa de estos sistemas, la precisión y confiabilidad de los datos utilizados para caracterizar espacios cerca de la Tierra es extremadamente importante. Sin embargo, lo siguiente puede afectar la integridad de los datos:
Interpretación errónea o posprocesamiento defectuoso causado por problemas de equipos (por ejemplo, errores de calibración, degradación de hardware), impactos ambientales (por ejemplo, tormentas geomagnéticas y troposféricas), malentendidos o irregularidades en la ionosfera
La estación Digisonde es una sonfera de ionosfera que recopila valiosos datos de ionosfera, no solo gracias a la cobertura global del Observatorio de Radio de Radio de Ionósfera Global (GIRO) de la red, sino que también proporciona regularmente información analítica sobre la formación de capas de electrones a partir de alturas máximas de densidad de electrones de 90 km.
Los problemas de calidad de los datos pueden conducir a un conjunto de importantes propiedades de ionosfera, incluidos valores atípicos y brechas (Figura 1), lo que los hace inadecuados para uso científico y operativo.
Cada punto de datos en la Figura 1 se extrae mediante el análisis del ionograma. Los errores en la interpretación de imágenes de ionograma crudo pueden conducir a errores en conclusión.
La Figura 2 muestra un ejemplo de un ionograma registrado por Atenas Digisonde, donde múltiples reflexiones en la traza principal ponen en riesgo la interpretación automática.
Abordar los desafíos relacionados con la calidad de los datos
El proyecto de DisPric de Financiado por la UE aborda estos desafíos mediante la generación de productos de datos de alto nivel derivados de observaciones ionosféricas crudas (Figura 3).
Al validar cruzado el conjunto de datos y mejorar los algoritmos de procesamiento, Dispreco tiene como objetivo:
Mejorar el pronóstico del clima espacial para garantizar la robustez operativa de los servicios basados en el espacio para mejorar la precisión científica de los modelos de ionosfera.
Un informe reciente enviado a la CE examina los primeros resultados de los métodos MEDSPEC para analizar automáticamente los innovos. Este método imita el proceso que siguen los expertos capacitados para estimar parámetros importantes, como la radiofrecuencia máxima utilizable (FOF2) y la altura de la capa F2 (HMF2).
Las innovaciones importantes incluyen:
Mejora la interpretación del ionograma a base de IA, la precisión de las mediciones de ionosfera crítica (por ejemplo, FOF2 y HMF2). Las herramientas de código abierto (por ejemplo, Polan) se integran con flujos de trabajo automatizados para garantizar la transparencia y la facilidad de uso. Un nuevo método de filtrado que replica el análisis a nivel de experto de datos sin procesar y reduce el ruido.
La metodología de Dispeck y los modelos AI/ML se compartirán con los estudiantes y los primeros investigadores en la escuela patrocinada por el proyecto en Grecia en el otoño 2026. Invitamos a todos los interesados a seguir nuestras actualizaciones y participar en actividades planificadas.
El Proyecto Actual está financiado por la Unión Europea (GA 101135002).
Source link
