Enhancing Numerical Simulation of Mass Density in Earth's Upper Atmosphere using Data Assimilation

Abstract

The atmosphere's mass density is variable in space and time and directly proportional to atmospheric drag, which decelerates all objects in the atmosphere. Thus, the mass density should be specified with high accuracy and precision for applications depending on atmospheric drag acceleration, such as precise orbit determination, satellite lifetime assessment, and satellite re-entry prediction. The lower a satellite's orbit, the larger the atmospheric drag. Thus, atmospheric drag is especially of concern for low-Earth orbiting satellites. The mass density is not directly observed along satellite orbits but is simulated by physics-based numerical or empirical models. Numerical models providing the mass density suffer from simplifications, assumptions, discretization, uncertain parameters, idealized external forcings with limited temporal resolution, and unrealistic boundary conditions. Thus, the mass density predictions of numerical models show significant differences compared to other models and observations. Data assimilation is the combination of observations and models, taking into account their uncertainties. Several studies demonstrated that data assimilation enhances the prediction skills of numerical atmosphere models. However, data assimilation experiments require significant computational resources and typically cover only periods lasting a few days. In addition, the uncertainty of the model forecasts is tailored to the specific conditions of the assimilation experiment and is not transferable to other periods. Moreover, spurious correlations in the model covariances often require localization, which limits the improvements of the models to the vicinity of the sparse observations. Here, I implement a new assimilation system for the Thermosphere Ionosphere Electrodynamics General Circulation Model using the Parallel Data Assimilation Framework to address those limitations. Time-variable perturbations of the model inputs allow a realistic representation of the model's uncertainty. They reduce spurious long-range correlations in the model covariances and adapt to the time-variable conditions in the Earth's space environment. The assimilation of accelerometer-derived mass densities enhanced the models' prediction skills globally in three about two-week-long validation periods covering solar minimum and maximum conditions, quiet times, and geomagnetic storms. As semi-empirical atmosphere models represent a harmonized collection of a substantial record of observations, it is much more straightforward to assimilate their output instead of assimilating the corresponding observations separately. This approach corrected the model's mass density estimation during geomagnetic quiet conditions. As the physical and chemical processes within the atmosphere couple the electron number density and the mass density, the assimilation of one can correct the estimate of the other. However, the assimilation of electron number densities from an empirical model did not improve the mass density prediction compared to accelerometer-derived mass densities. Co-estimation of model parameters enables the correction of model dynamics. Here, a single parameter, the Joule heating factor, was co-estimated. The default Joule heating factor was found to fit well with the corresponding period.

Die Massendichte der Atmosphäre ist zeitlich und räumlich variabel und dirket proportional zum Luftwiderstand, der alle Objekte in der Atmosphäre abbremst. Daher muss die Massendichte für Anwendungen, die von der Beschleunigung durch den atmosphärischen Luftwiderstand abhängen, wie z. B. die genaue Bestimmung der Umlaufbahn, die Ermittlung der Lebensdauer von Satelliten und die Vorhersage des Wiedereintritts von Satelliten, mit hoher Genauigkeit und Präzision vorgegeben werden. Je niedriger die Umlaufbahn eines Satelliten ist, desto größer ist der Luftwiderstand. Daher ist der Luftwiderstand besonders für Satelliten in niedrigen Erdumlaufbahnen von Bedeutung. Die Massendichte wird nicht direkt entlang der Satellitenbahnen beobachtet, sondern stammt aus Simulationen physikalisch basierter numerischer oder empirischer Modelle. Die Genauigkeit numerische Modelle, die die Massendichte simulieren, wird durch Vereinfachungen, Annahmen, Diskretisierung, unsicheren Parametern, idealisierten externen Kräften mit begrenzter zeitlicher Auflösung und unrealistischen Randbedingungen limitiert. Daher weisen die Massendichtesimulationen numerischer Modelle im Vergleich zu anderen Modellen und Beobachtungen erhebliche Unterschiede auf. Datenassimilation ist die Kombination von Beobachtungen und Modellen unter Berücksichtigung ihrer Unsicherheiten. Mehrere Studien haben gezeigt, dass die Datenassimilation die Vorhersagefähigkeiten von numerischen Atmosphärenmodellen verbessert. Allerdings erfordern Datenassimilierungsexperimente erhebliche Rechenressourcen und decken in der Regel nur Zeiträume von wenigen Tagen ab. Darüber hinaus ist die Unsicherheit der Modellvorhersagen auf die spezifischen Bedingungen des Assimilationsexperiments zugeschnitten und nicht auf andere Zeiträume übertragbar. Außerdem erfordern Scheinkorrelationen in den Modellkovarianzen oft eine Lokalisierung, die die Verbesserungen auf die Umgebung der spärlichen Beobachtungen beschränkt. Daher, implementiere ich ein neues Assimilationssystem für das Thermosphere Ionosphere Electrodynamics General Circulation Model unter Verwendung vom Parallel Data Assimilation Framework, um diese Einschränkungen zu beheben. Zeitvariable Störungen der Modelleingaben sorgen für eine realistische Darstellung der Modellunsicherheit. Sie reduzieren störende langreichweitige Korrelationen in den Modellkovarianzen und passen sich den zeitvariablen Bedingungen in der Weltraumumgebung der Erde an. Die Assimilation der von Beschleunigungsmessern abgeleiteten Massendichten verbesserte die Vorhersagefähigkeiten der Modelle weltweit in drei etwa zweiwöchigen Validierungsperioden, die solare Minima und Maxima, ruhige Zeiten und geomagnetische Stürme abdeckten. Da halb-empirische Atmosphärenmodelle eine harmonisierte Sammlung einer beträchtlichen Anzahl von Beobachtungen darstellen, ist es viel einfacher, ihre Ergebnisse zu assimilieren, anstatt die entsprechenden Beobachtungen separat zu assimilieren. Mit diesem Ansatz wurde die Schätzung der Massendichte des Modells während geomagnetisch ruhiger Bedingungen korrigiert. Da die physikalischen und chemischen Prozesse in der Atmosphäre die Elektronenzahldichte und die Massendichte koppeln, kann die Assimilation der einen Dichte die Schätzung der anderen Dichte korrigieren. Die Assimilation von Elektronenzahldichten aus einem empirischen Modell konnte jedoch die Massendichteabschätzung im Vergleich zu den aus Beschleunigungssonden abgeleiteten Massensichten nicht verbessern. Das Mitschätzen von Modellparametern ermöglicht die Korrektur der Modelldynamik. Hier wurde ein einziger Parameter, ein Faktor für das Stromwärmegesetz, mitgeschätzt. Es zeigte sich, dass der Standardwert bereits gut zum entsprechenden Zeitraum passte.