DOI: https://doi.org/10.1007/s00190-024-01824-7
تاريخ النشر: 2024-03-01
المؤلف: Justyna Śliwińska وآخرون
الموضوع الرئيسي: الجيولوجيا الفيزيائية وقياسات الجاذبية
نظرة عامة
تقيّم ورقة البحث توقعات معلمات توجيه الأرض (EOP)، وتحديداً الوقت العالمي (UT1-UTC) وتغيرات طول اليوم (LOD)، كجزء من الحملة الثانية لمقارنة توقعات معلمات توجيه الأرض (2nd EOP PCC). شملت هذه الحملة 23 مؤسسة دولية وهدفت إلى تقييم منهجيات التنبؤ المختلفة، وخاصة تلك التي تتضمن بيانات الزخم الزاوي الفعّال (EAM). استخدمت الدراسة حل IERS 14 C04 كمعيار للتحقق، حيث تم قياس دقة التنبؤ من خلال متوسط الخطأ المطلق (MAE). أظهرت النتائج أن المنهجيات التي تستخدم التعلم الآلي (ML) ومزيج من المربعات الصغرى والانحدار الذاتي مع بيانات EAM حققت أعلى دقة لكلا المعلمين.
تسلط النتائج الضوء على التقدم الكبير في توقعات EOP منذ الحملة الأولى، حيث حققت أفضل الطرق قيم MAE تبلغ 0.27 مللي ثانية لـ MAE[10] و0.072 مللي ثانية لـ LOD في 2nd EOP PCC، مقارنة بقيم أعلى في الحملة السابقة. تؤكد الورقة على الدور الحاسم لبيانات EAM الدقيقة في تعزيز دقة التنبؤ وتقترح أن توسيع أفق التنبؤ لـ EAM يمكن أن يحسن النتائج بشكل أكبر. بينما تظهر تقنيات ML وعداً، تعترف الدراسة أيضاً بموثوقية الطرق التقليدية. بشكل عام، تؤكد الأبحاث على الحاجة إلى تطوير مستمر لتوقعات EAM ودمج منهجيات متقدمة لتحسين توقعات EOP.
مقدمة
تناقش مقدمة الورقة أهمية معلمات توجيه الأرض المتغيرة زمنياً (EOP) في ربط الأطر المرجعية السماوية والأرضية، وهو أمر حاسم للتطبيقات في الجيوديسيا وعلم الفلك والبعثات الفضائية. تشمل EOP الحركة القطبية (PM)، الفرق بين الوقت العالمي والوقت العالمي المنسق (UT1-UTC)، تغيرات طول اليوم (LOD)، وانحرافات القطب السماوي (CPO). يتم تحديد هذه المعلمات بدقة عالية باستخدام تقنيات رصد متنوعة مثل أنظمة الملاحة عبر الأقمار الصناعية العالمية (GNSS)، قياس المسافة بالليزر عبر الأقمار الصناعية (SLR)، التداخلية ذات القاعدة الطويلة جداً (VLBI)، ونظام تحديد المواقع عبر الأقمار الصناعية المتكامل مع دوائر دوبلر (DORIS). تقدم خدمة تدوير الأرض الدولية وأنظمة المرجع (IERS) بيانات EOP بانتظام، حيث تتماشى السلسلة الأخيرة، IERS EOP 20 C04، مع الإطار المرجعي الأرضي الدولي 2020 (ITRF 2020) وإطار المرجع السماوي الدولي 3 (ICRF3).
تسلط الورقة الضوء على التحديات في تحديد EOP في الوقت الحقيقي بسبب تعقيدات معالجة البيانات من تقنيات مختلفة، مما يؤدي إلى الاعتماد على التنبؤات قصيرة الأجل للتطبيقات التشغيلية. تشير إلى أنه بينما تلبي دقة التنبؤ الحالية احتياجات العديد من التطبيقات، هناك طلب متزايد على دقة أعلى، خاصة لتحديد مدارات الأقمار الصناعية وتوقعات المناخ. كما توضح المقدمة دور الزخم الزاوي الفعّال (EAM) في توقع تغيرات EOP وتذكر حملة مقارنة توقعات EOP (EOP PCC)، التي تهدف إلى تقييم وتحسين طرق التنبؤ. جمعت الحملة الثانية لـ EOP PCC، التي تشمل فرق دولية متعددة، توقعات واسعة لمعلمات EOP، مع التركيز على UT1-UTC وLOD، وتهدف إلى تقديم تقييم شامل للقدرات والأساليب الحالية في التنبؤ.
الطرق
في الحملة الثانية لمقارنة توقعات معلمات توجيه الأرض (EOP) (PCC)، استخدم المشاركون مجموعة متنوعة من طرق التنبؤ وبيانات الإدخال لتوقع UT1-UTC وطول اليوم (LOD). توقع 15 مشاركاً UT1-UTC باستخدام 25 طريقة مختلفة، بينما توقع 12 فريقاً LOD بنفس عدد الأساليب، مما أسفر عن 1399 و1226 ملفاً مقدماً لكل معلمة، على التوالي. كانت الطرق الأكثر شيوعاً تشمل المربعات الصغرى (LS) والتعلم الآلي (ML)، حيث كانت LS مدمجة مع تقنيات الانحدار الذاتي شائعة بشكل خاص. ومن الجدير بالذكر أن معهدين فقط استخدما ML لكلا المعلمين، واعتمدت الغالبية العظمى من المشاركين على سلسلة EOP 14 C04 من خدمة تدوير الأرض الدولية وأنظمة المرجع (IERS) كمصدر بيانات رئيسي، وغالباً ما كانت مدعومة ببيانات الزخم الزاوي الجوي (EAM).
لتقييم التوقعات، نفذت الدراسة مقياس متوسط الخطأ المطلق (MAE)، حيث تم تجميع المشاركين بناءً على منهجياتهم واستخدامهم لـ EAM. تم تشكيل أربع مجموعات متميزة: “LS + AR”، “LS + AR + EAM”، “ML”، و”أخرى”. تم استخدام عملية فرز من خطوتين لاستبعاد التوقعات الخاطئة، والتي تضمنت حساب الانحرافات المعيارية لأخطاء التنبؤ وتقييم أداء معرفات الأفراد. أسفرت هذه العملية عن رفض 6.0% من توقعات UT1-UTC و4.7% من توقعات LOD لأفق 10 أيام، حيث كانت المشكلات غالباً مرتبطة بتوافر البيانات وأخطاء إعداد المدخلات. تؤكد النتائج على أهمية مصادر البيانات الموثوقة والأثر المحتمل لعدم وجود توقعات EAM على دقة التنبؤ.
المناقشة
تقدم قسم المناقشة نظرة شاملة على التقديمات والتقييمات لتوقعات UT1-UTC وطول اليوم (LOD) خلال الحملة. تسلط الضوء على أن معرفتين فقط قدما باستمرار توقعات UT1-UTC صالحة عبر جميع الأسابيع الـ 70، بينما قدم ما مجموعه 10 معرفات أكثر من 60 توقعاً. بالمقابل، كانت توقعات LOD أقل تكراراً، حيث كانت هناك أكثر من 170 ملفاً أقل، جزئياً بسبب تسجيل الأساليب في وقت لاحق وتفاوت مشاركة المشاركين. كان أفق التنبؤ الأكثر شيوعاً هو 90 يوماً، يليه 365 يوماً، مما يشير إلى تحول من التنبؤات قصيرة الأجل للغاية التي تم رؤيتها في الحملات السابقة.
يكشف تقييم التوقعات أن مجموعات LS + AR + EAM وML أظهرت أقل الأخطاء لكل من توقعات UT1-UTC وLOD. على وجه التحديد، كان متوسط الخطأ المطلق (MAE) لأفق 10 أيام أقل بكثير لهذه المجموعات مقارنة بالآخرين، حيث حققت مجموعة LS + AR + EAM MAE قدره 0.57 مللي ثانية لـ UT1-UTC. تشير التحليلات أيضاً إلى أن دقة التنبؤ تميل إلى الانخفاض مع تمدد أفق التنبؤ، مع زيادة ملحوظة في MAE لوحظت بعد 10 أيام. تؤكد النتائج على أهمية دمج بيانات إضافية، مثل نماذج الغلاف الجوي للأرض (EAM)، لتعزيز دقة التنبؤ، خاصةً لفترات أطول. بشكل عام، تشير النتائج إلى أنه على الرغم من تحقيق تقدم، لا يزال هناك مجال لمزيد من التحسين في منهجيات التنبؤ.
DOI: https://doi.org/10.1007/s00190-024-01824-7
Publication Date: 2024-03-01
Author(s): Justyna Śliwińska et al.
Primary Topic: Geophysics and Gravity Measurements
Overview
The research paper evaluates the prediction of Earth Orientation Parameters (EOP), specifically universal time (UT1-UTC) and length-of-day (LOD) variations, as part of the Second Earth Orientation Parameters Prediction Comparison Campaign (2nd EOP PCC). This campaign involved 23 international institutions and aimed to assess various forecasting methodologies, particularly those incorporating effective angular momentum (EAM) data. The study utilized the IERS 14 C04 solution as a benchmark for validation, measuring prediction accuracy through mean absolute error (MAE). Results indicated that methodologies employing machine learning (ML) and a combination of least squares and autoregression with EAM data yielded the highest accuracy for both parameters.
The findings highlight significant advancements in EOP forecasting since the first campaign, with the best methods achieving MAE values of 0.27 ms for MAE[10] and 0.072 ms for LOD in the 2nd EOP PCC, compared to higher values in the previous campaign. The paper emphasizes the critical role of precise EAM data in enhancing prediction accuracy and suggests that extending the forecast horizon for EAM could further improve results. While ML techniques show promise, the study also acknowledges the reliability of classical methods. Overall, the research underscores the need for continued development of EAM forecasts and the integration of advanced methodologies to refine EOP predictions.
Introduction
The introduction of the paper discusses the significance of Time-variable Earth Orientation Parameters (EOP) in linking celestial and terrestrial reference frames, which is crucial for applications in geodesy, astronomy, and space missions. EOP includes polar motion (PM), the difference between universal time and coordinated universal time (UT1-UTC), length-of-day (LOD) variations, and celestial pole offsets (CPO). These parameters are determined with high accuracy using various observational techniques such as Global Navigation Satellite Systems (GNSS), Satellite Laser Ranging (SLR), Very Long Baseline Interferometry (VLBI), and Doppler Orbitography and Radiopositioning Integrated by Satellite (DORIS). The International Earth Rotation and Reference Systems Service (IERS) regularly provides EOP data, with the latest series, IERS EOP 20 C04, aligning with the International Terrestrial Reference Frame 2020 (ITRF 2020) and the International Celestial Reference Frame 3 (ICRF3).
The paper highlights the challenges in real-time EOP determination due to the complexities of data processing from various techniques, which leads to a reliance on short-term predictions for operational applications. It notes that while current prediction accuracies meet the needs for many applications, there is an increasing demand for higher precision, particularly for satellite orbit determination and climate forecasting. The introduction also outlines the role of effective angular momentum (EAM) in predicting EOP variations and mentions the EOP Prediction Comparison Campaign (EOP PCC), which aims to evaluate and improve forecasting methods. The second EOP PCC, involving multiple international teams, collected extensive predictions of EOP parameters, focusing on UT1-UTC and LOD, and aims to provide a comprehensive assessment of current forecasting capabilities and methodologies.
Methods
In the second Earth Orientation Parameters (EOP) Prediction Comparison Campaign (PCC), participants employed a diverse range of prediction methods and input data to forecast UT1-UTC and Length of Day (LOD). A total of 15 participants predicted UT1-UTC using 25 different methods, while 12 teams predicted LOD with the same number of approaches, resulting in 1399 and 1226 submitted files for each parameter, respectively. The most prevalent methods included least squares (LS) and machine learning (ML), with LS combined with autoregressive techniques being particularly popular. Notably, only two institutes utilized ML for both parameters, and the majority of participants relied on the EOP 14 C04 series from the International Earth Rotation and Reference Systems Service (IERS) as their primary data source, often supplemented by atmospheric angular momentum (EAM) data.
To evaluate the predictions, the study implemented a mean absolute error (MAE) metric, grouping participants based on their methodologies and EAM usage. Four distinct groups were formed: “LS + AR,” “LS + AR + EAM,” “ML,” and “Other.” A two-step screening process was employed to eliminate erroneous predictions, which involved calculating standard deviations of prediction errors and assessing individual ID performance. This process resulted in the rejection of 6.0% of UT1-UTC predictions and 4.7% of LOD predictions for the 10-day horizon, with issues often linked to data availability and input preparation errors. The findings underscore the importance of reliable data sources and the potential impact of missing EAM forecasts on prediction accuracy.
Discussion
The discussion section provides a comprehensive overview of the submissions and evaluations of UT1-UTC and Length of Day (LOD) predictions during the campaign. It highlights that only two IDs consistently submitted valid UT1-UTC predictions across all 70 weeks, while a total of 10 IDs submitted over 60 forecasts. In contrast, LOD predictions were less frequently submitted, with over 170 fewer files, partly due to the later registration of methods and varying participant engagement. The most common prediction horizon was 90 days, followed by 365 days, indicating a shift from ultra-short-term forecasts seen in previous campaigns.
The evaluation of predictions reveals that the LS + AR + EAM and ML groups exhibited the lowest errors for both UT1-UTC and LOD forecasts. Specifically, the mean absolute error (MAE) for the 10-day horizon was significantly lower for these groups compared to others, with the LS + AR + EAM group achieving an MAE of 0.57 ms for UT1-UTC. The analysis also indicates that prediction accuracy tends to decrease as the forecast horizon extends, with a notable increase in MAE observed beyond 10 days. The findings underscore the importance of incorporating additional data, such as Earth atmosphere models (EAM), to enhance prediction accuracy, particularly for longer horizons. Overall, the results suggest that while progress has been made, there remains potential for further improvement in forecasting methodologies.