电离层和热层是空间天气系统的重要组成部分,涵盖了地球上空60-1000km的大气区域。磁暴期间,有大量来自太阳风与磁层的能量注入。这些能量以粒子沉降和焦耳加热的形式进入到极区高层大气,导致全球热层大气成分、密度、温度以及环流产生剧烈扰动,电离层参量也随之发生显著的变化。同时,受暴时电离层-热层相互耦合作用的影响,磁暴期间电离层和热层呈现出复杂的变化特征。磁暴及其电离层天气效应一直是空间物理和电离层物理学界的研究热点,许多科学问题尚需深入研究。本文围绕磁暴期间电离层和热层对电动力学和辐射冷却的响应展开研究,利用电离层-热层耦合模式分别研究电离层-热层系统在磁暴主相和恢复相期间的变化特征,并利用机器学习方法对磁暴期间热层NO辐射变化建模。本论文主要研究内容和成果如下:1.探究磁暴期间夜间电离层扰动的机制磁暴主相期间,穿透电场和大气行扰引起的风场变化会导致电离层出现剧烈扰动。以往的研究主要关注白天电离层对磁暴的响应,而对夜间电离层的变化特征还缺乏深入的认识。本文利用TIEGCM模式重现了 2003年10月28-29日电离层测高仪观测到的夜间电离层变化的主要特征。通过模式控制实验,甄别电场和风场对电离层扰动的贡献。结果表明,10月29日磁暴主相夜间电离层电子浓度峰值高度长时间抬升,是由行星际磁场Bz南向时北半球极区激发的大气行扰引起的;而磁赤道附近的电离层扰动主要受到电场控制。基于模拟的全球风场,发现磁暴期间极区激发的大气行扰有显著的半球不对称,这是由于极区能量注入在夏季半球强于冬季半球。夏季半球较强的大气行扰能够跨过赤道到达冬季半球,引起冬季半球赤道向风场发生反转,导致电离层峰高降低。我们同时发现,10月28日地磁活动较弱的时候,南半球（夏季半球）形成的大气行扰仍然能跨过赤道引起北半球电离层峰高波状扰动。通过分析磁暴期间的电势发现:Bz南向时,夜侧穿透电场为西向;Bz由南转北向时,午夜前的穿透电场仍然保持西向,而午夜后的穿透电场转为东向。这就导致Bz由南转北向时午夜后的低纬电离层峰高在东向穿透电场和赤道向风的共同作用下进一步抬升。2.阐明NO辐射对暴时热层密度和温度恢复过程的贡献磁暴期间极区注入的能量使得热层迅速增温,随后热层密度会在磁暴恢复阶段迅速恢复,甚至出现过冷却现象。暴时急剧增长的NO辐射很可能是密度过冷却的主要原因。化学反应N（~2D）+O2是热层NO的主要产生过程,以往的模拟研究使用该化学过程的常数反应率无法重现热层的过冷却现象,而且模拟的热层恢复时间均长于卫星观测的结果。我们采用温度相关的反应率进行了模拟实验,较好的重现了热层在磁暴恢复相的过冷却现象。对比不同反应系数的模拟研究,发现在给定地磁活动条件下不同模拟实验的总NO辐射冷却没有明显差异,且总的NO辐射冷却会趋向于与焦耳加热和粒子沉降的能量保持平衡。在不同模拟实验中热层恢复过程的差异是由单位质量NO辐射的差异导致。通过分析不同高度的温度演化,发现CHAMP卫星轨道高度处的密度变化与120公里附近NO源区的温度变化较为一致。NO源区的温度过冷却对轨道高度处大气密度过冷却有重要贡献。此外,结合温度、成分和风场高度分布的变化过程,揭示热层密度过冷却不仅受温度影响,还受到中性风的调制。中性风会在磁暴恢复相扰动高层大气的中性成分,从而改变轨道高度处热层大气密度。3.基于机器学习提升暴时NO辐射预测准确度NO辐射是磁暴期间热层主要的冷却源,准确的预测NO辐射对于研究热层的响应过程至关重要。深度学习在空间物理领域已经有了许多成功的应用,该技术可以从大量数据中提取有效地特征。我们利用2002-2015年的SABER观测数据来训练和验证NO辐射的三维卷积神经网络模型。本研究的难点在于单颗卫星提供的三维图像含有大量的缺失数据。正则化损失函数能够消除缺失数据对模型权重更新的影响。基于此损失函数训练的NO辐射三维卷积神经网络模型NOE3D能够很好地预测NO辐射的三维分布。相较于TIEGCM,NOE3D预测的NO辐射的误差更小,同时NOE3D跟观测有更好的相关性。NOE3D在磁暴期间的预测也优于TIEGCM,基本重现了 SABER观测的NO辐射的变化特征。因此,机器学习有效提升了暴时NO辐射预测的准确度。