电离层行进式扰动(travelling ionospheric disturbances，简称TID)是电离层中等离子体密度的波状扰动现象，波长为百公里量级的TID被称为中尺度电离层行进式扰动（MSTID）。前期研究显示，夜间MSTID具有显著的太阳活动负相关性和西南向传播的特点，但其产生和传播机制尚未得到明确的揭示，需要依托长期数据的进行不同角度和时间尺度的统计分析以深入研究。子午工程兴隆台站通过连续观测，积累了近一个太阳周期（2011-2021）约750000张的630nm红光气辉图像，为分析MSTID的长期统计特征提供了可能，但如何从海量观测数据中有效挖掘科学信息成为急需解决的难题。
中国科学院国家空间科学中心太阳活动与空间天气重点实验室徐寄遥研究员和重庆邮电大学赖昌教授等合作者，研发了基于机器学习的TID识别方法，该方法包含基于卷积神经网络的夜空分类模型和基于快速区域卷积神经网络的波动识别模型，其中分类模型的准确度达到97%，识别模型的对波动目标的定位准确度达到70%以上。该方法解决了传统人工识别方法效率低，以及存在主观误差的问题。利用该方法对兴隆台站2011年至2021年拍摄的750000张气辉图片进行了自动化统计研究，发现了611个MSTID事件，同时分析了这些事件的统计特征：（1）事件年发生率与太阳活动强度负相关，月发生率在冬夏两季出现峰值。小时发生率的夏季峰值在当地时间22点至23点，冬季峰值在当地时间23点至24点；（2）水平波长和传播速度的年平均值分别为160–311 km和98–133 m/s，与太阳活动强度无关；（3）611个事件中，589个事件向西南传播。非西南向的22个事件中，有15个东北向传播的事件。东北向的事件大都发生在4-8月，并且波动形态上都呈现周期性。（4）相对强度（%）的年平均变化与水平速度负相关。
该项研究加深了我们对夜间MSTID的统计特征的了解。同时，通过TID自动识别方法提取波动参数形成的参数数据集，可供研究人员开展进一步的分析。研发的电离层事件自动识别与特征提取工具，为充分挖掘海量自主数据资源提供了新的研究范式。该研究成果发表在国际权威期刊Space Weather上。
图1.TID识别程序定位气辉图像中的TID波面和银河。绿框内为TID波面，黄框内为银河。左上角百分数为目标置信度。
图2.四季MSTID事件分布图。红点代表事件，半径为水平传播速度（m/s），角度为传播方向的方位角。
论文链接：Lai, C., Xu, J., Lin, Z., Wu, K., Zhang, D., Li, Q., et al. (2023). Statistical characteristics of nighttime medium-scale traveling ionospheric disturbances from10-years of airglow observation by the machine learning method. Space Weather,21, e2023SW003430.https://doi.org/10.1029/2023SW003430
（供稿：天气室）
