Uutiset

Avaruussää voi koetella arktisia alueita – uusi menetelmä helpottaa sään ennustamista

Menetelmä analysoi magneettikenttien muutoksia. Avaruussää vaikuttaa arktisilla alueilla esimerkiksi sähköverkkoihin, kaivostoimintaan ja laivakuljetuksiin.
Mittauksia Grönlannista vuonna 2011 tammikuusta maaliskuulle

Aalto-yliopiston tutkijat ovat kehittäneet uuden menetelmän, jolla voidaan analysoida maapallon magneettikentän vaihteluja. Space Weather -julkaisussa esitellyn menetelmän avulla tutkittiin magneettikentän muutoksia eri vuosina, kellonaikoina ja leveysasteilla.

Mittausasemien välillä oli huomattavia eroja magneettikentän käyttäytymisessä: pohjoisimmat asemat olivat geomagneettisesti aktiivisempia keskipäivällä, kun taas eteläisimmillä asemilla aktiivisuus oli voimakkainta keskiyöllä. Suurimmat erot eri kellonaikojen välillä havaittiin pohjoisimmalla mittausvyöhykkeellä, napa-alueilla.

”Kehittämämme Fractional Derivative Rate (FDR) -menetelmä laskee jokaiselle päivälle prosenttiosuuden, joka kertoo, kuinka usein magneettikentän aktiivisuus on saavuttanut 0.2 nT/s (nanoteslaa sekunnissa) rajan kyseisenä päivänä. Tämä arvo vastaa tyypillisen revontulialimyrskyn alkuvaihetta, joka on yksi yleisimmistä avaruussääilmiöistä. Menetelmän avulla on helpompi analysoida pitkien ajanjaksojen korkearesoluutioista mittausdataa”, kertoo tohtorikoulutettava Pyry Peitso.

Avaruussäätä voi ennustaa magneettikentän avulla

Geomagneettisen aktiivisuuden leveysaste-erojen tarkka tutkiminen sekä ymmärtäminen on tärkeää, koska tieto auttaa ennustamaan avaruussäätä yhä paremmin ja tarkemmin. Usein erilaiset avaruussääilmiöt näkyvät magneettikentässä nopeasti ja selkeästi.

”Arktisen alueen taloudellinen merkitys kasvaa. Siksi avaruussään ennustaminen tulee entistä tärkeämmäksi, sillä avaruussää vaikuttaa arktisella alueella useisiin erilaisiin infrastruktuureihin ja liiketoimintaan, kuten sähköverkkoihin, öljy- ja kaasuputkiin, kaivostoimintaan, lentoliikenteeseen sekä laivakuljetukseen.”

Avaruussää ilmenee esimerkiksi magneettikentän nopeina vaihteluina, jotka saattavat aiheuttaa ei-toivottuja sähkövirtoja infrastruktuuriin. Nämä sähkövirrat aiheuttavat monenlaisia ongelmia, esimerkiksi materiaalien kulumista.

Artikkelissa analysoitiin mittausdata, joka on otettu Grönlannissa vuosina 2011–2013. Tutkijoiden käytössä oli kaksitoista mittausasemaa, jotka tuottavat korkealaatuisia yhden sekunnin pituisia mittauksia. Asemaverkosto kattaa pohjois–etelä-akselilla maantieteellisesti 2000 kilometrin laajuisen alueen.

Peitso, P., Tanskanen, E. I., Pulkkinen, T. I., & Mursula, K. (2018). High-frequency geomagnetic fluctuations at auroral oval and polar cap. Space Weather, 16, 1057–1072. https://doi.org/10.1029/2018SW001841

Kuvateksti: Mittauksia Grönlannista vuonna 2011 tammikuusta maaliskuulle, tummempi väri kuvaa korkeampaa aktiivisuutta. Kuvassa nähdään voimakasta aktiivisuutta maaliskuun alussa lähes kaikilla asemilla, jotka ovat kuvassa järjestelty niin, että pohjoisimmat asemat ovat kuvassa taaimmaisena ja eteläisimmät etualalla.

Lisätietoja:

Pyry Peitso
0504205870
[email protected]
Aalto-yliopisto
Sähkötekniikan korkeakoulu

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lue lisää uutisia

Kemiantekniikan opiskelijoita
Tutkimus ja taide Julkaistu:

Oletko uusi data-agenttimme?

Hae kemian tekniikan korkeakoulun data-agentiksi.
Eväitä ajatteluun logo yhteistyökumppaneiden kanssa
Yhteistyö Julkaistu:

Uudessa podcastissa Suomen eturivin työelämän tutkijat esittelevät tutkimushavaintojaan työn muutoksesta

Aalto-yliopiston Future of Work -hanke, Työelämän tutkimusyhdistys ry ja TYÖ2030-ohjelma ovat tuottaneet podcast-sarjan yhteistyönä.
Sahar
Tutkimus ja taide Julkaistu:

Unelmana yrittäjyys – sitä ennen Sahar Babaeipour haluaa valmistua tohtoriksi

Aalto-yliopiston Bioinnovaatiokeskuksen väitöskirjatutkija Sahar Babaeipourin tutkimus tähtää kestävämpään pakkausteollisuuteen.
Matteo
Tutkimus ja taide Julkaistu:

Biopohjaisia lankoja kehittävä Matteo Iannacchero: ”Arvostan tieteen vapautta”

Aalto-yliopiston Bioinnovaatiokeskuksessa tekemässään väitöstyössä Iannacchero hyödyntää koneoppimista ekologisesti kestävien elektronisten lankojen kehittämisessä. Näin on mahdollisuus löytää jotain aivan uutta.