MAP - MAchine learning based Plasma density model

Satellitentechnologie und insbesondere GPS- oder GNSS-basierte Systeme werden für unsere Gesellschaft immer wichtiger. Plasmadichte-Strukturen im erdnahen Weltraum können die Ausbreitung von GPS-Signalen erheblich beeinflussen und damit die Genauigkeit der GPS-Navigation beeinträchtigen. Darüber hinaus können Weltraumplasmen auch Satelliten beschädigen. Um diese Effekte der Weltraumumgebung sorgfältig zu bewerten, ist es wichtig, ein genaues Modell der Plasmadichte zu entwickeln, das auf einer Vielzahl von direkten und indirekten Messungen basiert.

In diesem von der Helmholtz-Gemeinschaft geförderten Pilotprojekt zeigen wir, in Zusammenarbeit mit dem Institute of Data Science (DLR Jena) und dem Institute of Communications and Navigation (DLR Neustrelitz), wie maschinelles Lernen eingesetzt werden kann, um ein globales empirisches Echtzeitmodell der erdnahen Plasmadichte, auf Basis einer Vielzahl von Messungen zu erstellen. Mit der Weiterentwicklung der Modelle, die aus diesem Pilotprojekt hervorgehen, werden wir dann in der Lage sein, alle relevanten Daten einer Vielzahl von Interessengruppen für die GPS-Navigation und Satellitenbetriebern zur Verfügung zu stellen.

Laufzeit

Dez 2019 – Aug 2023

Zuwendungsgeber

Helmholtz Inkubator Information & Data Science Pilot-Projekte

Projektverantwortliche

• Prof. Yuri Shprits (GFZ)
• Dr. Jens Berdermann (DLR Neustrelitz)
• Dr. Marcus Paradies (DLR Jena)

ProjektmitarbeiterInnen

• Prof. Yuri Shprits
• Dr. Dominika Sörgel
• Dr. Ruggero Vasile
• Irina Zhelavskaya

Projektwebseite

www.plasmamap.de

Kooperationen

• Deutsches Zentrum für Luft- und Raumfahrt, Institute of Communications and Navigation (DLR Neustrelitz)
• Deutsches Zentrum für Luft- und Raumfahrt, Institute of Data Science (DLR Jena)