The Ionospheric Current System and its Temporal Evolution during Rapid Solar Wind Dynamic Pressure Increases

Abstract

Forskning er en jakt på kunnskap om det ukjente. I denne avhandlingen prøver vi å utvide vår kollektive forståelse av de komplekse samspillene innenfor det dynamiske magnetosfære-ionosfæresystemet. Man kunne fristes til å antyde at dette arbeidet er drevet av potensialet for å adressere samfunnsutfordringer, som for eksempel effekten av induserte strømmer på elektrisk infrastruktur. Det ville imidlertid ikke være helt ærlig. Den sanne motivasjonen bak denne forskningen er ren nysgjerrighet. Etter fire år med å dykke hode først inn i hvert eneste mysterium jeg har støtt på, har jeg fått en anerkjennelse av hvor lite jeg faktisk vet.

Vi undersøker den tidsmessige utviklingen av ionosfærestrømsystemet under raske økninger i solvindens dynamiske trykk ved hjelp av målinger av det magnetfeltet på bakken. I Artikkel I bruker vi maskinlæring for å utvikle en algoritme som kan oppdage raske økninger i solvindens dynamiske trykk. Ved å bruke algoritmen på mer enn to tiår med in situ solvinddata, lager vi en liste over begivenheter og bestemmer deres ankomst til Jorden. I Artikkel II utfører vi en statistisk analyse av den høye breddegrads geomagnetiske respons på hendelsene identifisert i Artikkel I, og avslører distinkte mønstre og asymmetrier som kaster lys over de underliggende fysiske prosessene. I Artikkel III tar vi for oss utfordringen med romlig oppløsning i empiriske modeller av ionosfærens strømsystem, et kritisk aspekt ved tolkning av data fra den kommende EZIE-cubesatmisjonen. Metodikken vi utvikler forbedrer vår evne til å designe og evaluere ytelsen til empiriske modeller. I Artikkel IV introduserer vi en ny teknikk for å estimere det ofte oversette induksjonselektriske feltet i ionosfæren, noe som fremhever dets betydning i ionosfærens dynamiske atferd. Samlet sett tar dette arbeidet vår forståelse og modelleringskapasitet av ionosfærens strømsystems tidsutvikling fremover.

Research is a quest for knowledge of the unknown. In this thesis, we try to further our collective understanding of the complex interactions within the dynamic magnetosphereionosphere system. One might be tempted to suggest that this work is driven by the potential to address societal challenges, such as the effects of ground-induced currents on electrical infrastructure. However, that would not be entirely truthful. The true motivation behind this research is pure curiosity. After four years of diving head-first into every rabbit hole that presented itself, I have gained an appreciation of how little I know.

We investigate the temporal development of the ionospheric current system during rapid increases in solar wind dynamic pressure using ground-based magnetic field measurements. In Paper I, we utilize machine learning to develop an algorithm capable of detecting abrupt increases in the solar wind dynamic pressure. By applying the algorithm to over two decades of in-situ solar wind data, we compile a list of events and determine their arrival at Earth. Paper II conducts a statistical analysis of the high-latitude geomagnetic response to the events identified in Paper I, revealing distinct patterns and asymmetries that shed light on the underlying physical processes. In Paper III, we tackle the challenge of spatial resolution in empirical models of the ionospheric current system, a crucial aspect of interpreting data from the upcoming EZIE cubesat mission. The methodology we develop enhances our ability to design and evaluate the performance of empirical models. Paper IV introduces a novel technique for estimating the oftenneglected ionospheric induction electric field, highlighting its significance in the dynamic behavior of the ionosphere. Collectively, this body of work advances our understanding and modeling capabilities of the temporal evolution of the ionospheric current system.