Geomagneettisten myrskyjen ennustaminen MHD-mallien avulla
Pelkonen, Esa-Matti (2023-12-13)
Pelkonen, Esa-Matti
E.-M. Pelkonen
13.12.2023
© 2023 Esa-Matti Pelkonen. Ellei toisin mainita, uudelleenkäyttö on sallittu Creative Commons Attribution 4.0 International (CC-BY 4.0) -lisenssillä (https://creativecommons.org/licenses/by/4.0/). Uudelleenkäyttö on sallittua edellyttäen, että lähde mainitaan asianmukaisesti ja mahdolliset muutokset merkitään. Sellaisten osien käyttö tai jäljentäminen, jotka eivät ole tekijän tai tekijöiden omaisuutta, saattaa edellyttää lupaa suoraan asianomaisilta oikeudenhaltijoilta.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202312143776
https://urn.fi/URN:NBN:fi:oulu-202312143776
Tiivistelmä
Auringosta lähtevien purkausten voimistama aurinkotuuli vuorovaikuttaa Maan magnetosfäärin kanssa. Erityisen voimakkaan vuorovaikutuksen aikaan syntyy geomagneettisia myrskyjä, joissa erilaiset sähkövirrat voimistuvat magnetosfäärissä ja ionosfäärissä. Näitä sähkövirtoja mitataan epäsuorasti erilaisten indeksien avulla. Tässä työssä tutkitaan miten hyvin magnetohydrodynaaminen SWMF-malli kykenee ennustamaan Dst- ja AL-indekseissä tapahtuvia muutoksia kymmenen geomagneettisen myrskyn aikana. Lisäksi tehdään vertailua SWMF-mallin tarkkuudesta koronan massapurkausten (CME) ja nopean aurinkotuulen (HSS/CIR) välillä ja tutkitaan miten geomagneettisen myrskyn voimakkuus vaikuttaa mallin ennustuskykyyn. Työssä tutkittiin myös erikseen SWMF-mallin tarkkuutta koronan massapurkauksiin liittyvien magneettisten pilvien ja välivyöhykkeiden mallinnuksessa.
Tutkimuksessa huomattiin, että SWMF-malli ennusti paremmin HSS/CIR-myrskyjen Dst:n piikkiarvot (suhteellinen virhe noin 6\%) kuin CME-myrskyjen (suhteellinen virhe noin 27\%). Mallin tuottamat ennusteet HSS/CIR-myrskyille olivat kuitenkin ajallisesti hyvin epätarkkoja. Malli kuvasi voimakkaiden (Dst < -100 nT) CME-myrskyjen aikakehityksen paremmin kuin HSS/CIR-myrskyjen. Lisäksi malli ennusti voimakkaiden CME:iden piikkiarvot sekä Dst:lle että AL:lle paremmin kuin heikoille (Dst > -100 nT) CME:ille. Heikoille myrskyille mallinnusvirheet olivat Dst:lle 77\% ja AL:lle 64\%, ja voimakkaille myrskyille 21\% ja 30\%. Mielenkiintoinen tulos oli, että malli ennusti ylivoimaisesti parhaiten CME:iden välivyöhykkeiden (engl. sheath) tuottamien myrskyjen Dst piikkiarvot, joiden virhe oli muutaman nanoteslan luokkaa. Työssä todettiin, että malli ei kykene ennustamaan kummassakaan myrskyluokassa AL:n suurimpia piikkejä ja sen suhteellinen virhe on parhaimmillaankin 30\%. SWMF-mallilla on siis hyvin suuria vaikeuksia ennustaa alimyrskyaktiivisuutta mittaavaa AL-indeksiä, mikä johtuu todennäköisesti mallin sisältämän fysiikan epätarkkuudesta. Avaruussäämallien kehityksessä riittää siis vielä haasteita ja niitä pitää kehittää edelleen.
Tutkimuksessa huomattiin, että SWMF-malli ennusti paremmin HSS/CIR-myrskyjen Dst:n piikkiarvot (suhteellinen virhe noin 6\%) kuin CME-myrskyjen (suhteellinen virhe noin 27\%). Mallin tuottamat ennusteet HSS/CIR-myrskyille olivat kuitenkin ajallisesti hyvin epätarkkoja. Malli kuvasi voimakkaiden (Dst < -100 nT) CME-myrskyjen aikakehityksen paremmin kuin HSS/CIR-myrskyjen. Lisäksi malli ennusti voimakkaiden CME:iden piikkiarvot sekä Dst:lle että AL:lle paremmin kuin heikoille (Dst > -100 nT) CME:ille. Heikoille myrskyille mallinnusvirheet olivat Dst:lle 77\% ja AL:lle 64\%, ja voimakkaille myrskyille 21\% ja 30\%. Mielenkiintoinen tulos oli, että malli ennusti ylivoimaisesti parhaiten CME:iden välivyöhykkeiden (engl. sheath) tuottamien myrskyjen Dst piikkiarvot, joiden virhe oli muutaman nanoteslan luokkaa. Työssä todettiin, että malli ei kykene ennustamaan kummassakaan myrskyluokassa AL:n suurimpia piikkejä ja sen suhteellinen virhe on parhaimmillaankin 30\%. SWMF-mallilla on siis hyvin suuria vaikeuksia ennustaa alimyrskyaktiivisuutta mittaavaa AL-indeksiä, mikä johtuu todennäköisesti mallin sisältämän fysiikan epätarkkuudesta. Avaruussäämallien kehityksessä riittää siis vielä haasteita ja niitä pitää kehittää edelleen.
Kokoelmat
- Avoin saatavuus [37744]