Impact of geomagnetic storm intensity on thermospheric density and orbital decay of LEO satellites: a G1–G5 per-event analysis

Resumen Técnico: Impacto de la Intensidad de las Tormentas Geomagnéticas en la Densidad Termosférica y el Decaimiento Orbital de Satélites LEO

Planteamiento del Problema
La rápida expansión de las constelaciones de satélites en Órbita Terrestre Baja (LEO) ha aumentado la necesidad operativa de una caracterización precisa de la densidad termosférica. La resistencia atmosférica es la perturbación no gravitacional dominante para satélites por debajo de los 600 km, y las tormentas geomagnéticas incrementan significativamente la densidad termosférica, acelerando así el decaimiento orbital. Mientras que eventos históricos, como la pérdida de 38 satélites Starlink en febrero de 2022 y la reentrada prematura de un satélite Starlink en octubre de 2024, demuestran los graves riesgos operativos, los métodos estadísticos existentes suelen depender del análisis de época superpuesta (SEA, por sus siglas en inglés). El método SEA promedia las respuestas a través de muchos eventos, lo que potencialmente suaviza las respuestas de pico agudas que son críticas para la predicción inmediata de órbitas y la evitación de colisiones. Además, los modelos termosféricos empíricos suelen tener dificultades para reproducir con precisión los incrementos de densidad durante eventos de tormenta intensos.

Metodología
Este estudio emplea un enfoque de "pico por evento" para aislar la respuesta de pico instantánea de 22 tormentas geomagnéticas que van desde G1 hasta G5 (máximo $K_p$ de 5 a 9) que abarcan los ciclos solares 23, 24 y 25 (2003–2024). El conjunto de datos incluye la tormenta Gannon G5 de mayo de 2024.

• Fuentes de Datos: La densidad de masa neutra in situ y los datos de órbita precisa se derivaron de mediciones de acelerómetros de los satélites gemelos GRACE (2002–2017) y GRACE-FO (2018–presente). Los índices geomagnéticos ($K_p$, $Dst$, $SYM-H$, $AU$, $AL$) y los parámetros del viento solar se obtuvieron de NASA/GSFC OMNIWeb.
• Selección de Eventos: Se seleccionaron 22 eventos basados en tres criterios: (1) $K_p$ máximo $\ge 5$ (G1 o superior); (2) disponibilidad de datos continuos de acelerómetro desde 48 horas antes del Inicio Súbito de la Tormenta (SSC) hasta 48 horas después del pico de la tormenta; y (3) ausencia de fases principales de tormentas precedentes superpuestas. La selección incluye cinco eventos cada uno para las categorías G1–G4 y los dos eventos G5 disponibles (octubre de 2003 y mayo de 2024).
• Procesamiento:
  1. Selección de Órbita: Para cada evento, la "órbita de tormenta" se definió como la órbita más cercana al pico de la tormenta (mínimo $Dst$), y la "órbita de referencia tranquila" fue la órbita más cercana al SSC que ocurre después de al menos 24 horas consecutivas de $K_p \le 3$.
  2. Cálculo de la Tasa de Decaimiento: Los datos de altitud brutos de 10 segundos se promediaron por órbita, luego se suavizaron mediante un promedio móvil de 24 horas para eliminar la modulación semidiurna. Se aplicaron ajustes lineales a los periodos tranquilo y de tormenta para determinar las tasas de decaimiento de altitud ($R_{tranquila}$ y $R_{tormenta}$).
  3. Métrica de Incremento: El incremento del decaimiento orbital durante la tormenta se calculó como el porcentaje de aumento: $\frac{R_{tormenta} - R_{tranquila}}{R_{tranquila}} \times 100$.
  4. Modelado Estadístico: Se desarrolló un modelo de regresión lineal múltiple (MLR) empírico para predecir las tasas de decaimiento durante la tormenta utilizando tres predictores accesibles: tasa de decaimiento en tiempo tranquilo, altitud de operación del satélite y $K_p$ máximo.

Resultados Clave

• Escalamiento Monotónico con la Intensidad: El incremento medio de la tasa de decaimiento orbital aumenta de forma monotónica con la intensidad de la tormenta. Los incrementos observados son: 77.2% (G1), 98.5% (G2), 138.1% (G3), 149.6% (G4) y 166.5% (G5).
• La Altitud como Modulador Crítico: La altitud de operación del satélite actúa como un factor independiente y significativo. Los eventos de baja altitud (por ejemplo, ~350 km) exhibieron fuertes respuestas de arrastre incluso bajo un forzamiento geomagnético relativamente débil, superando a menudo el incremento medio de tormentas de mayor intensidad a altitudes más elevadas.
• Variabilidad Específica del Evento: Existe una dispersión significativa dentro de las categorías de intensidad. Notablemente, los dos eventos G5 (octubre de 2003 y mayo de 2024) mostraron una diferencia de ~2.6 veces en el incremento de decaimiento a pesar de tener valores de $K_p$ idénticos y altitudes similares. Los autores atribuyen el mayor incremento en la tormenta Gannon de 2024 a un nivel de actividad solar de fondo más bajo (menor denominador de la tasa de decaimiento en tiempo tranquilo) y una duración prolongada impulsada por CMEs sucesivas (>30 horas), en comparación con la tormenta de Halloween de 2003, que fue más corta e intensa.
• Desempeño del Modelo MLR: El modelo empírico, $D_s = 1.55D_q - 0.29(h_0 - 450) + 7.39Kp_{max} - 35.60$, alcanzó un coeficiente de determinación ($R^2$) de 0.91 y un error cuadrático medio (RMSE) de 12.3 m/día en todos los 22 eventos. El modelo captura con éxito la dependencia de la intensidad de la tormenta y la altitud sin requerir parámetros físicos específicos del satélite (masa, sección transversal, coeficiente de arrastre).

Significancia y Reivindicaciones
El artículo posiciona este trabajo como un referente complementario a los análisis existentes basados en SEA, al enfocarse en las respuestas de pico por evento, preservando las señales agudas que los procedimientos de promediado oscurecen, ofreciendo así una referencia de validación más directa para los modelos termosféricos empíricos. El estudio proporciona un conjunto de datos y una herramienta MLR simple y operativamente accesible que permite a los operadores de satélites estimar las tasas de decaimiento durante las tormentas utilizando únicamente datos de seguimiento estándar (altitud, decaimiento en tiempo tranquilo) e índices de clima espacial ($K_p$). Los autores afirman que estos resultados apoyan el desarrollo de estrategias mejoradas de predicción de órbitas y de evitación de colisiones para la creciente población de LEO, particularmente en el contexto del actual Ciclo Solar 25.

Los autores mantienen un alcance modesto respecto a la generalizabilidad del modelo, señalando que el MLR se derivó de dos plataformas satelitales específicas (GRACE/GRACE-FO) con características físicas similares. Reconocen que se requiere trabajo futuro para incorporar la masa, el área de sección transversal y la velocidad del satélite para extender la aplicabilidad de la herramienta a la población de satélites LEO más amplia y diversa.