当前位置:首页 > 新闻动态 > 新闻速递(头条)

空间中心“太空台风”研究成果入选“十四五”《国家自然科学基金资助项目优秀成果选编》

文章来源: | 发布时间:2026-04-13 | 【打印】【关闭】

近日,《国家自然科学基金资助项目优秀成果选编(八)》正式发布,集中展示了“十四五”期间由国家自然科学基金资助取得的优秀成果典型代表。中国科学院国家空间科学中心王赤院士、张清和研究员团队的《地球极地高层大气中的“太空台风”及其影响》入选。该研究相关系列成果发表于Geophysical Research LettersSpace Weather等期刊。成果曾被《自然》(Nature)选为研究亮点,并以“新发现的太空台风倾泻电子“雨””为题亮点报道,还入选中国科学院发布的《2022科学发展报告》2021年中国科研代表性成果之一。该成果受到国内外广泛关注,曾被美国地球物理联合会(AGU)会刊 EOS 2次)、美国《国家地理杂志》、欧空局 Earth Online、英国《BBC科学聚焦杂志》以及国内《中国科学报》等媒体和平台专题报道。 此外,“太空台风”还作为独立词条登上了《维基百科》(Wikipedia),并作为我国极地考察代表成果之一,于2024年在国家博物馆 “冰路征程——中国极地考察40周年成就展”中面向公众展出。

《国家自然科学基金资助项目优秀成果选编》是国家自然科学基金委员会从历年资助项目成果中遴选出的具有重要创新性和应用前景的代表性成果汇编。该选编每五年出版一次,每个学科仅征集少量优秀成果,并经学部优中选优后,正式出版发行,已连续出版八部。

图1 国家自然科学基金资助项目优秀成果选编(八)

研究成果简介

“台风”或“飓风”是地球低层大气中形成的强烈热带气旋,常伴随狂风暴雨,对人类生产生活产生了显著的影响。长期以来,空间物理学家们一直针对“在地球的高层大气中是否也存在类似台风的现象?若存在,其特征与影响究竟如何?”这些相关问题开展了系列研究。

研究团队提出“太空台风”是在地球极区电离层与磁层类似台风的现象。团队构建了超过两个太阳活动周(22年)的全球太空台风事件的数据库,厘清了太空台风的分布特征与发生规律,认为其主要发生在太阳活动高年的地磁平静期和地磁极附近,且常伴随强沉降“电子雨”、强等离子体旋涡对流、产生堪比超级磁暴的地磁扰动和能量注入。同时,团队发现“太空台风”可直接加热并扰动电离层与热层,影响卫星的通信、导航与遥感探测。该研究加深了对日地电磁能量耦合的认识,推动了中国-加拿大-挪威极区电离层联合观测网的建立,为国际子午圈大科学计划提供了重要支撑。

图2 卫星与雷达观测的太空台风引起重力波和加热电离层的观测结果

图3 入选成果报道页

相关文章:

  1. A Space Hurricane over the Earth's Polar Ionosphere

https://www.nature.com/articles/s41467-021-21459-y

  1. How do space hurricanes disturb the polar thermosphere: A statistical survey

https://doi.org/10.1029/2025GL115160

  1. Direct Observation of the Space Hurricane Disturbed Polar Thermosphere

https://doi.org/10.1029/2023GL106735

  1. A Statistical study of Space Hurricane in the Southern Hemisphere

https://doi.org/10.1029/2024JA032753

  1. A Statistical study of Space Hurricane in the Northern Hemisphere

https://doi.org/10.3389/fspas.2022.1047982

  1. Observations of three-dimensional ionospheric plasma properties in a space hurricane

https://doi.org/10.3389/fspas.2024.1507824

  1. Ionospheric scintillation and geomagnetic disturbance caused by space hurricanes

https://doi.org/10.1029/2025SW004435

  1. Automatic Identification of Space hurricane Based on Transfer Learning

https://doi.org/10.11728/cjss2023.02.2022-0031

  1. A Swin Transformer–based space hurricane identification model

https://doi.org/10.13679/j.jdyj.20240016

(供稿:天气室)