Bruk av sosiale nettverksanalyser til nordlysforskning
I tillegg til å være realfagslærer ved Nordahl Grieg videregående skole, har jeg gleden av å lede formidlingsgruppen ved Birkelandsenteret for romforskning (BCSS). Dette er et senter for fremragende forskning som ble opprettet i 2013, og målet er å forstå hvordan jorden er koblet til vårt nære verdensrom.
Nordlysbilde tatt av Kjartan Olafsson,
førsteamanuensis ved Birkelandsenteret for romforskning
De siste årene har det blitt utført en rekke spennende studier ved BCSS, og i dette blogginnlegget vil jeg fortelle litt om det siste arbeidet til vår eminente professor II Jesper Gjerloev, som til daglig befinner seg ved Applied Physics Laboratory, Johns Hopkins University, USA. I det som må kunne sies å være et banebrytende studium, gjør Jesper bruk av analyseverktøy som vanligvis benyttes innen felt som hjerneforskning og sosiale medier til å forstå nordlysets oppførsel.
Jesper W. Gjerloev, Johns Hopkins University
og professor II ved Birkelandsenteret for romforskning
Når nordlyset lyser opp en mørk himmel, går det sterke elektriske strømmer i atmosfæren som bidrar til at det jordmagnetiske feltet rystes. Til å måle disse magnetfeltforstyrrelsene har vi et instrument som heter magnetometer, og rundt omkring i verden finnes det flere hundre slike magnetometerstasjoner. Målinger fra magnetometrene kan gi verdifull informasjon om de fysiske prosessene som finner sted i vårt nære verdensrom, men en utfordring har lenge vært at de ulike magnetometerstasjonene har hatt ulike praksiser når det kommer til bruk av koordinatsystemer, tidsoppløsning, rutiner for å fjerne bidrag til magnetfeltforstyrrelser fra andre kilder enn nordlyset etc….. Videre har det i noen tilfeller vært utfordrende å samle inn data fra enkeltstasjoner. Så derfor etablerte Jesper Gjerloev for noen år siden SuperMAG, en database med mer enn 300 bakkebaserte magnetometermålinger fra hele verden der alle interesserte (både forskere, studenter og andre) får rask og enkel tilgang til målinger av jordens magnetfelt.
Nettverksanalyser er et felt jeg personlig kan lite om, men ifølge Jesper Gjerloev brukes matematisk nettverksanalyse både innen hjerneforskning og andre felt som sosiale nettverk. Man kan f.eks studere hvordan man er forbundet gjennom Facebook og hvordan en ny melding fra deg til dine venner brer seg gjennom hele nettverket. Innen hjerneforskning kan man f.eks studere hvordan ulike deler eller sentre av hjernen responerer til ulike inputs.
Slike nettverksanalyseverktøy er nå anvendt på nordlyset ved bruk av SuperMAG data, og dette gir Jesper og hans kolleger unike muligheter til å se etter mønstre og lignende i det komplekse og dynamiske problemet som nordlysforstyrrelser representerer.
Sammen med forsker Sandra Chapman og hennes student J. Dods ved Universitetet i Warwick, England, har Gjerloev publisert sitt banebrytende arbeid med tittelen: «“Network analysis of geomagnetic substorms using the SuperMAG database of ground-based magnetometer stations” i tidsskriftet Journal of Geophysical Research.
Nylig ble en pressemelding sendt ut fra Universitetet i Warwick, og her sa Jesper følgende: «This analysis really shows what can be done when data from different international observatories can be brought together in one place, which is what superMAG is all about. The data has been ‘out there’ for decades but only now it has been brought together we can perform analyses like this one to see the detailed patterns in how space weather maps out on the ground”.
I den samme pressemeldingen konkluderer Sandra Chapman: «By constructing a network, we quantify all the rich and detailed evolution of a space weather event in space and time. The power of the network approach is then that all this detail can be captured in a few numbers. This means that in the future we can compare hundreds of space weather events and see how they differ and what they have in common- just as businesses seek to categorise their thousands of customers to find out what goods and services they want. The major step forward is to go from structurally simple data, for example, do two customers like the same item? (a simple yes or no) to real world observations i.e. are these two magnetometers seeing the same thing?»
Dere kan lese mer om arbeidet til Jesper Gjerloev på BCSS sine nettsider gjennom artikkelen «A social network approach to study the aurora«.
