近日，国家精密重力测量科学中心地球物理团队在低轨卫星轨道衰减精密预测方面取得重要进展，面向低轨卫星星座快速部署与空间交通安全日益严峻的工程需求，构建了融合高精度沿轨热层大气密度观测与机器学习算法的轨道衰减预测新方法。相关成果以“Orbital Decay Prediction in Low Earth Orbit: Integrating Along-Track Density Observations with Machine Learning”为题，发表于国际空间物理领域权威期刊《Journal of Geophysical Research: Space Physics》。周浩教授为论文第一作者兼通讯作者，硕士生杨继鹏为共同第一作者，罗志才教授为共同通讯作者。
围绕热层密度剧烈波动主导低轨卫星轨道衰减这一核心科学问题，本项目构建了“观测数据-密度反演-轨道衰减-数据驱动预测”的全链条处理策略。该策略集成GRACE、GRACE-FO高精度加速度计观测、非保守力精密建模、沿轨热层密度反演、随机森林机器学习算法等，在真实空间天气扰动背景下对轨道衰减过程进行了定量评估。研究结果表明，在2024年5月9-11日G5级极端地磁暴期间，热层密度迅速跃升至静稳期数倍水平，导致GRACE类卫星48小时内半长轴衰减约168米，恢复阶段衰减幅度降至约83米，清晰揭示了强ICME驱动下轨道衰减的瞬态放大特性。
在涵盖113个ICME事件的SODA v2.0数据库系统检验中，随机森林模型可解释约85%的轨道衰减，在全年所有地磁活动条件下测试集R²达到0.749，显著优于传统经验大气模型。进一步分析发现，仅利用当日F10.7、Kp、ap、Dst太阳-地磁指数即可实现次日轨道衰减预测，表明本文提出的方法具备结构简洁、可复现、可推广等特点。
论文成果不仅提升了复杂空间天气条件下低轨卫星轨道衰减预测精度，也为星座运行优化、碰撞风险评估与空间碎片管理提供了理论支撑和技术储备，可服务于未来高密度低轨卫星系统的安全运行。
本研究得到国家自然科学基金、国家重点研发计划、中央高校基本科研业务费专项资金的资助及国家精密重力测量科学中心的大力支持。
