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

Resumo Técnico: Impacto da Intensidade de Tempestades Geomagnéticas na Densidade Termosférica e no Decaimento Orbital de Satélites LEO

Definição do Problema
A rápida expansão das constelações de satélites em Órbita Terrestre Baixa (LEO) aumentou a necessidade operacional de uma caracterização precisa da densidade termosférica. O arrasto atmosférico é a perturbação não gravitacional dominante para satélites abaixo de 600 km, e as tempestades geomagnéticas aumentam significativamente a densidade termosférica, acelerando, consequentemente, o decaimento orbital. Enquanto eventos históricos, como a perda de 38 satélites Starlink em fevereiro de 2022 e a reentrada prematura de um satélite Starlink em outubro de 2024, demonstram os severos riscos operacionais, os métodos estatísticos existentes baseiam-se frequentemente na análise de época sobreposta (SEA). A SEA faz a média das respostas através de muitos eventos, potencialmente suavizando os picos de resposta agudos que são críticos para a previsão orbital imediata e para a prevenção de colisões. Além disso, modelos termosféricos empíricos frequentemente têm dificuldade em reproduzir com precisão os incrementos de densidade durante eventos de tempestade intensos.

Metodologia
Este estudo emprega uma abordagem de análise de "pico por evento" para isolar a resposta de pico instantânea de 22 tempestades geomagnéticas variando de G1 a G5 (máximo $K_p$ de 5 a 9) abrangendo os ciclos solares 23, 24 e 25 (2003–2024). O conjunto de dados inclui a tempestade Gannon G5 de maio de 2024.

• Fontes de Dados: A densidade de massa neutra in situ e os dados de órbita precisos foram derivados de medições de acelerômetro dos satélites gêmeos GRACE (2002–2017) e GRACE-FO (2018–presente). Índices geomagnéticos ($K_p$, $Dst$, $SYM-H$, $AU$, $AL$) e parâmetros do vento solar foram obtidos do NASA/GSFC OMNIWeb.
• Seleção de Eventos: 22 eventos foram selecionados com base em três critérios: (1) $K_p$ máximo $\ge 5$ (G1 ou superior); (2) disponibilidade contínua de dados de acelerômetro de 48 horas antes do Início Súbito da Tempestade (SSC) até 48 horas após o pico da tempestade; e (3) ausência de fases principais de tempestades precedentes sobrepostas. A seleção inclui cinco eventos para cada categoria G1–G4 e os dois eventos G5 disponíveis (outubro de 2003 e maio de 2024).
• Processamento:
  1. Seleção de Órbita: Para cada evento, a "órbita de tempestade" foi definida como a órbita mais próxima do pico da tempestade (mínimo $Dst$), e a "órbita de referência de quietude" foi a órbita mais próxima do SSC ocorrendo após pelo menos 24 horas consecutivas de $K_p \le 3$.
  2. Cálculo da Taxa de Decaimento: Os dados brutos de altitude de 10 segundos foram calculados por órbita, depois suavizados usando uma média móvel de 24 horas para remover a modulação semidiurna. Ajustes lineares foram aplicados aos períodos de quietude e de tempestade para determinar as taxas de decaimento de altitude ($R_{quiet}$ e $R_{storm}$).
  3. Métrica de Incremento: O incremento do decaimento orbital durante a tempestade foi calculado como o aumento percentual: $\frac{R_{storm} - R_{quiet}}{R_{quiet}} \times 100$.
  4. Modelagem Estatística: Um modelo de regressão múltipla linear (MLR) empírico foi desenvolvido para prever as taxas de decaimento durante a tempestade usando três preditores acessíveis: taxa de decaimento em tempo de quietude, altitude de operação do satélite e $K_p$ máximo.

Principais Resultados

• Escalonamento Monotônico com a Intensidade: A taxa média de incremento do decaimento orbital aumenta monotonicamente com a intensidade da tempestade. Os incrementos observados são: 77,2% (G1), 98,5% (G2), 138,1% (G3), 149,6% (G4) e 166,5% (G5).
• Altitude como um Modulador Crítico: A altitude de operação do satélite atua como um fator independente e significativo. Eventos de baixa altitude (ex: ~350 km) exibiram fortes respostas de arrasto mesmo sob forçante geomagnética relativamente fraca, frequentemente excedendo o incremento médio de tempestades de alta intensidade em altitudes mais elevadas.
• Variabilidade Específica do Evento: Existe uma dispersão significativa dentro das categorias de intensidade. Notavelmente, os dois eventos G5 (outubro de 2003 e maio de 2024) mostraram uma diferença de ~2,6 vezes no incremento de decaimento, apesar de possuírem valores de $K_p$ idênticos e altitudes semelhantes. Os autores atribuem o maior incremento na tempestade Gannon de 2024 a um nível de atividade solar de fundo mais baixo (denominador da taxa de decaimento em tempo de quietude menor) e a uma duração prolongada impulsionada por CMEs sucessivas (>30 horas), comparado à tempestade Halloween de 2003, que foi mais curta e intensa.
• Desempenho do Modelo MLR: O modelo empírico, $D_s = 1,55D_q - 0,29(h_0 - 450) + 7,39Kp_{max} - 35,60$, alcançou um coeficiente de determinação ($R^2$) de 0,91 e um erro quadrático médio (RMSE) de 12,3 m/dia em todos os 22 eventos. O modelo captura com sucesso a dependência da intensidade da tempestade e da altitude sem exigir parâmetros físicos específicos do satélite (massa, seção transversal e coeficiente de arrasto).

Significância e Alegações
O artigo posiciona este trabalho como um benchmark complementar às análises existentes baseadas em SEA. Ao focar nas respostas de pico por evento, preserva-se os sinais agudos que os procedimentos de média obscurecem, oferecendo uma referência de validação mais direta para modelos termosféricos empíricos. O estudo fornece um conjunto de dados e uma ferramenta MLR simples e operacionalmente acessível que permite aos operadores de satélites estimar as taxas de decaimento durante tempestades usando apenas dados de rastreamento padrão (altitude, decaimento em tempo de quietude) e índices de clima espacial ($K_p$). Os autores afirmam que estes resultados apoiam o desenvolvimento de estratégias melhoradas de previsão de órbita e de prevenção de colisões para a crescente população LEO.

Os autores mantêm um escopo modesto quanto à generalização do modelo, observando que o MLR foi derivado de duas plataformas de satélites específicas (GRACE/GRACE-FO) com características físicas semelhantes. Eles reconhecem que trabalhos futuros são necessários para incorporar a massa, a área de seção transversal e a velocidade do satélite para estender a aplicabilidade da ferramenta para a população de satélites LEO mais ampla e diversificada.