一种可解释的火星质子极光深度学习模型

质子极光在火星日侧被广泛观测到，表现为 110-150 km 高度间氢赖曼阿尔法（121.6 nm）发射的显著强度增强。进入火星热层的太阳风质子作为高能中性原子穿透被认为是这些极光的主要原因。近期对空间局地化（斑块状）质子极光的观测表明，在不稳定太阳风条件下，质子可能直接沉积于火星大气。因此，增进对质子极光的理解对于刻画太阳风与火星大气的相互作用十分重要。在此，我们利用火星大气与挥发物演化任务（MAVEN）2014-2022 年间的原位观测和赖曼阿尔法发射临边扫描，建立了首个纯数据驱动的质子极光模型。我们训练了一个人工神经网络（ANN），对测试数据分别以 0.94 和 0.60 的皮尔逊相关系数复现了单个赖曼阿尔法强度和相对赖曼阿尔法峰值强度增强，并忠实重构了观测到的赖曼阿尔法发射高度剖面形状。通过执行 SHapley Additive exPlanations（SHAP）分析，我们发现太阳天顶角、太阳经度、CO2 大气变率、太阳风速度和温度是该模型所刻画的赖曼阿尔法峰值强度增强的最重要的特征。此外，我们发现建模的峰值强度增强在地方时早些时候（尤其近极纬度）以及感应磁场较弱时较高。通过 SHAP 分析，我们还识别了训练数据中的偏差及用于建模的观测量之间的相互依赖关系，改进这些方面可显著提升 ANN 模型的性能与适用性。