Source Surface Height Optimisation for Improved Solar Wind Velocity Forecasting Across Solar Cycles 23, 24 and 25

Diese Studie zeigt, dass die Optimierung der Quelloberflächenhöhe im Potential Field Source Surface-Modell, anstatt einen festen Wert zu verwenden, die Vorhersage der Sonnenwindgeschwindigkeit über die Sonnenzyklen 23–25 signifikant verbessert, indem sie eine deutliche Beziehung zwischen der optimalen Höhe und der Phase des Sonnenzyklus aufzeigt.

Das Wesentliche

Stellen Sie sich die Sonne als einen riesigen, wirbelnden Leuchtturm vor. Alle paar Jahre ändert dieser Leuchtturm die Art und Weise, wie er rotiert und wie hell sein Strahl ist. Manchmal ist er ruhig und stetig (Solar Minimum), und manchmal ist er chaotisch und blinkt wild (Solar Maximum).

Wissenschaftler wollen den „Sonnenwind“ vorhersagen – einen ständigen Strom unsichtbarer Teilchen, der von der Sonne in Richtung Erde bläst. Wenn sie diese Vorhersage falsch treffen, kann dies Satelliten und Stromnetze auf unserem Planeten stören. Um diese Vorhersagen zu treffen, verwenden sie eine digitale Karte des Magnetfeldes der Sonne, die wie ein Wegweiser fungiert, wohin dieser Wind fließt.

Das „Source Surface“-Problem: Die unsichtbare Decke

In den Computermodellen, die Wissenschaftler verwenden, gibt es eine spezifische imaginäre Linie namens Source Surface (Quelloberfläche). Stellen Sie sich dies als eine unsichtbare Decke oder Kuppel vor, die die Sonne umgibt.

• Die alte Regel: Jahrzehntelang nahmen Wissenschaftler einfach an, dass diese Decke immer auf der gleichen Höhe liegt, etwa beim 2,5-fachen des Sonnenradius. Sie behandelten sie wie eine feste Regel, so als würde man sagen: „Alle Türen sind genau 2,10 Meter hoch.“
• Die Realität: Die Sonne ist kein statisches Objekt. Genau wie das Wetter sich ändern kann, sollte sich auch die „Decke“ des magnetischen Einflusses der Sonne wahrscheinlich je nach Aktivität der Sonne nach oben oder unten bewegen.

Was diese Studie getan hat

Die Forscher (Kumar, Srivastava und Talpeanu) beschlossen, nicht länger zu raten, sondern zu testen. Sie untersuchten Daten aus drei Sonnenzyklen (etwa 30 Jahre Geschichte), um zu sehen, ob die Änderung der Höhe dieser „Decke“ ihre Wettervorhersagen für die Erde genauer machen würde.

Sie betrachteten nicht nur eine Art von Daten; sie verglichen Karten von bodengestützten Teleskopen (GONG) und weltraumgestützten Teleskopen (SDO/HMI). Sie testeten die „Decke“ in verschiedenen Höhen, die von sehr niedrig bis recht hoch reichten, um zu sehen, welche Höhe das Computermodell am besten mit den tatsächlichen Windgeschwindigkeiten an der Erde in Einklang bringt.

Die große Entdeckung: Es kommt auf die „Jahreszeit“ an

Die Studie ergab, dass die „Einheitsregel“ nicht funktioniert. Die optimale Höhe der Source Surface ändert sich je nach der „Jahreszeit“ der Sonne:

1. Während des „Winters“ (Solar Minimum): Wenn die Sonne ruhig und friedlich ist, liegt die beste „Decke“ tatsächlich höher als die traditionelle Regel (höher als 2,5).
   • Analogie: Denken Sie an einen ruhigen See. Um die gesamte Reflexion des Himmels zu sehen, müssen Sie vielleicht auf einer höheren Leiter stehen. Ähnlich wie bei einem ruhigen Sonnenzustand benötigt das Modell eine höhere Decke, um die Windgeschwindigkeit richtig zu erfassen.
2. Während des „Sommers“ (Solar Maximum): Wenn die Sonne stürmisch und aktiv ist, liegt die „Decke“ tiefer.
   • Analogie: Stellen Sie sich ein stürmisches Meer mit riesigen Wellen vor. Wenn Sie auf einer hohen Leiter stehen, ist die Aussicht zu chaotisch. Sie müssen tiefer gehen, um das unmittelbare Geschehen klar zu sehen. Wenn die Sonne aktiv ist, hilft eine niedrigere Decke dem Modell, den Wind besser vorherzusagen.

Die „Karte“ spielt ebenfalls eine Rolle

Die Forscher fanden auch heraus, dass nicht alle Karten gleich gut sind.

• Sie testeten zwei Arten von Karten des bodengestützten GONG-Observatoriums: die „Standard“-Karten (STD) und die „Zero-Point-Corrected“-Karten (ZPC).
• Das Ergebnis: Die ZPC-Karten (die korrigiert wurden, um kleine Messfehler zu beheben) funktionierten viel besser als die Standard-Karten, insbesondere in den letzten Jahren. Es ist, als würde man ein GPS verwenden, das mit den neuesten Verkehrsdaten aktualisiert wurde, im Gegensatz zu einer alten, statischen Karte.
• Sie fanden auch heraus, dass weltraumgestützte Karten (HMI) genauso gut funktionierten wie die besten bodengestützten Karten, was Wissenschaftlern mehr zuverlässige Werkzeuge zur Auswahl gibt.

Warum das wichtig ist

Die Arbeit kommt zu dem Schluss, dass Wissenschaftler die Fähigkeit, die Windgeschwindigkeiten der Sonne vorherzusagen, erheblich verbessern können, indem sie einfach die Höhe dieser unsichtbaren „Decke“ anpassen, je nachdem, ob die Sonne derzeit ruhig oder stürmisch ist.

• Das Fazit: Man braucht keine neue, komplexere Maschine, um den Sonnenwind vorherzusagen; man muss lediglich aufhören, eine feste Regel anzuwenden, und statfangen, die Höhe der „Decke“ wie einen Thermostat zu regulieren.
• Die Grenze: Die Studie stellt fest, dass während der chaotischsten Zeiten (Solar Maximum) die „Decke“ schwieriger zu bestimmen ist, da das Magnetfeld der Sonne unordentlich und komplex ist. Doch selbst mit dieser Unordnung bleibt der allgemeine Trend bestehen: Hohe Decke für ruhige Zeiten, niedrige Decke für stürmische Zeiten.

Diese Forschung hilft dabei, den „Thermostaten“ für unsere Sonnenwettermodelle zu verfeinern, was zu besseren Warnungen für die Erde führt, wenn die Sonne einmal wieder einen heftigen Sturm entfacht.

Technische Zusammenfassung

Technische Zusammenfassung: Optimierung der Quelloberflächenhöhe zur Verbesserung der Vorhersage der Sonnenwindgeschwindigkeit über die Sonnenzyklen 23, 24 und 25

Problemstellung
Das Potential Field Source Surface (PFSS)-Modell ist eine fundamentale Komponente moderner Weltraumwetter-Vorhersage-Frameworks und dient als Eingabe für empirische Sonnenwindmodelle wie das Wang–Sheeley–Arge (WSA)-Modell. Das PFSS-Modell stützt sich auf einen einzigen physikalischen freien Parameter: die Höhe der Quelloberfläche (Source Surface, SS), die traditionell fest auf 2,5 $R_\odot$ eingestellt ist. Während frühere Studien die Optimierung der SS-Höhe unter Verwendung verschiedener Datensätze und Zeitintervalle untersucht haben, konzentrierten sich die meisten auf kurzfristige Analysen oder spezifische Phasen des Sonnenzyklus (SC). Darüber hinaus zielten frühere Bemühungen primär darauf ab, die Schätzungen des heliosphärischen offenen magnetischen Flusses zu verbessern, anstatt direkte Vorhersagen der Sonnenwindgeschwindigkeit am L1-Punkt anzustreben. Zudem besteht ein Mangel an umfassenden, langfristigen Untersuchungen darüber, wie die optimale SS-Höhe über mehrere Sonnenzyklen hinweg (speziell SC 23, 24 und 25) variiert, wenn sie in das WSA-Framework zur Vorhersage der Sonnenwindgeschwindigkeit integriert wird. Des Weiteren bedürfen die Leistung verschiedener Magnetogramm-Produkte (bodenbasierte GONG vs. weltraumgestützte SDO/HMI) und der spezifische Einfluss der Nullpunktkorrektur (Zero-Point Correction, ZPC) in GONG-Karten auf die SS-Optimierung einer weiteren Klärung.

Methodik
Die Autoren führten eine umfassende Analyse durch, die die Sonnenzyklen 23, 24 und 25 (ca. 2006–2026) abdeckt. Die Studie nutzte synoptische Magnetfeldkarten aus zwei Primärquellen:

1. Bodenbasiert: Global Oscillation Network Group (GONG)-Karten, wobei speziell zwischen Standard (STD) und Nullpunkt-korrigierten (ZPC) Versionen verglichen wurde.
2. Weltraumgestützt: SDO/HMI radiale synoptische Karten.

Um die Vergleichbarkeit zu gewährleisten, wurden die hochauflösenden HMI-Karten (3600 $\times$ 1440) auf die GONG-Auflösung (360 $\times$ 180) herunterskaliert. Die Studie umfasste 254 Carrington-Rotationen (CR) für die GONG-Daten und 204 CRs für die HMI-Daten.

Der Modellierungs-Workflow folgte einer Standard-Pipeline:

1. PFSS-Extrapolation: Das koronale Magnetfeld wurde von den Photosphären-Karten zur Quelloberfläche mittels des PFSS-Modells extrapoliert. Die Studie testete acht diskrete SS-Höhen im Bereich von 1,5 $R_\odot$ bis 3,25 $R_\odot$ in Schritten von 0,25 $R_\odot$.
2. WSA-Modell: Empirische Sonnenwindgeschwindigkeiten wurden an der SS basamentiert auf dem Expansionsfaktor ($f_s$) und dem Winkelabstand zur nächsten Koronallochgrenze ($\theta_b$) geschätzt.
3. HUX-Propagation: Das Heliospheric Upwind eXtrapolation (HUX)-Modell propagierte diese Geschwindigkeiten zum L1-Lagrange-Punkt.
4. Validierung: Die modellierten Sonnenwindgeschwindigkeiten am L1 wurden mit In-situ-Beobachtungen aus der OMNI-Datenbank verglichen. Die primäre Metrik für die Optimierung war der Pearson-Korrelationskoeffizient ($cc$) zwischen modellierten und beobachteten Geschwindigkeiten. Die „optimierte SS-Höhe“ wurde als der Wert definiert, der das maximale $cc$ für jede Carrington-Rotation lieferte.

Wesentliche Beiträge

• Langfristiger Umfang: Diese Studie stellt eine der langfristigsten Untersuchungen der Variabilität der SS-Höhe dar, die fast drei Sonnenzyklen (SC23–25) abdeckt, anstatt nur isolierte Intervalle oder einzelne Zyklen zu betrachten.
• Multi-Quellen-Vergleich: Sie bietet den ersten langfristigen Vergleich von GONG ZPC-Karten (die weit verbreitet in WSA-Modellen verwendet werden) gegenüber HMI-Karten, spezifisch im Kontext der SS-Höhenoptimierung für die Vorhersage der Sonnenwindgeschwindigkeit am L1.
• Granulare Abtastung: Im Gegensatz zu früheren Studien, die nur wenige diskrete SS-Höhen testeten, verwendete diese Arbeit eine feinere Abtastung (acht Werte), um die Verteilung der optimierten Höhen besser zu charakterisieren.
• Phasenspezifische Analyse: Die Analyse korreliert die optimierten SS-Höhen explizit mit den Phasen des Sonnenzyklus (Minimum, ansteigende Phase, Maximum, abfallende Phase) und unterscheidet zwischen Perioden hoher und niedriger Aktivität innerhalb dieser Phasen.

Ergebnisse

• Abhängigkeit von der Sonnenzyklusphase: Es besteht eine klare Beziehung zwischen der optimalen SS-Höhe und der Phase des Sonnenzyklus.
  • Sonnenminimum / Ansteigende / Abfallende Phasen: Höhere SS-Höhen ($\ge$ 2,5 $R_\odot$) liefern konsistent bessere Vorhersagen der Sonnenwindgeschwindigkeit am L1. Beispielsweise lag die Verteilung der optimierten Höhen während der Minimum-Phasen von SC23 und SC24 signifikant bei Werten $\ge$ 2,5 $R_\odot$, wobei 3,25 $R_\odot$ oft die beste Anpassung darstellte.
  • Sonnenmaximum: Während der aktiven Phasen kehrt sich dieser Trend um. Niedrigere SS-Höhen (< 2,5 $R_\odot$) liefern im Allgemeinen bessere Vorhersagen. Während des SC25-Maximums verschob sich die optimierte Verteilung stark zu niedrigeren Werten (z. B. 1,5–1,75 $R_\odot$ für HMI/ZPC-Karten).
• Leistung der Magnetogramme:
  • GONG ZPC vs. STD: GONG ZPC-Karten schnitten konsistent besser ab als GONG STD-Karten, insbesondere während SC24 und der ansteigenden Phase von SC25. Die STD-Karten zeigten eine degradierte Leistung, was wahrscheinlich auf Beobachtungseinschränkungen und in der Literatur berichtete Qualitätsmängel zurückzuführen ist.
  • GONG ZPC vs. HMI: ZPC- und HMI-Karten zeigten insgesamt eine ähnliche Leistung. Während des Sonnenmaximums zeigten HMI-Karten jedoch eine stärkere Verschiebung hin zu niedrigeren SS-Höhen im Vergleich zu ZPC-Karten.
• Anomalien und Nuancen:
  • Während des SC24-Maximums zeigte ein spezifisches Intervall deutlich reduzierter Sonnenaktivität (ein „lokales Minimum“) eine Präferenz für höhere SS-Höhen, was dem allgemeinen Trend für das Sonnenmaximum widersprach. Der Ausschluss dieses Intervalls verschob die gesamte SC24-Maximum-Verteilung hin zu niedrigeren SS-Höhen.
  • Die Verteilung der optimierten SS-Höhe weist eine signifikante Streuung auf, insbesondere während des Sonnenmaximums. Die Autoren führen dies auf die begrenzte Anwendbarkeit des PFSS-Modells (das ein Potenzialfeld annimmt) während hochaktiver, multipolarer Perioden sowie auf die nicht-sphärische Natur der tatsächlichen Quelloberfläche zurück.

Bedeutung und Behauptungen
Das Paper behauptet, dass die Optimierung der SS-Höhe im PFSS-Modell die Leistung des WSA-Modells zur Vorhersage der Sonnenwindgeschwindigkeit am L1 im Vergleich zur konventionell fixierten Höhe von 2,5 $R_\odot$ signifikant verbessert. Die Studie stellt fest, dass die optimale SS-Höhe kein statischer Wert ist, sondern systematisch mit der Phase des Sonnenzyklus variiert: Höhere Werte sind bei ruhigen Sonnenbedingungen erforderlich, während niedrigere Werte während aktiver Bedingungen bevorzugt werden.

Die Autoren betonen, dass, obwohl die absolute optimierte Höhe zwischen Zyklen und Datensätzen variiert, der relative Trend (höhere SS im Minimum, niedrigere SS im Maximum) robust ist. Sie kommen zu dem Schluss, dass diese Ergebnisse die physikalische Interpretation stützen, wonach die effektive Quelloberflächenhöhe während des Sonnenmaximums niedriger ist (aufgrund der rapiden Abnahme der transversalen magnetischen Energiedichte in einem multipolaren Feld) und während des Sonnenminimums höher (dipolares Feld).

Die Studie legt nahe, dass Weltraumwetter-Vorhersage-Frameworks durch die Einführung einer variablen SS-Höhenstrategie verfeinert werden können – insbesondere durch die Verwendung von Höhen, die leicht über 2,5 $R_\odot$ liegen, nahe dem Sonnenminimum. Die Autoren merken jedoch bescheiden an, dass die Annahmen des PFSS-Modells dessen Genauigkeit während Hochaktivitätsphasen einschränken, und schlagen vor, dass zukünftige Verbesserungen nicht-symmetrische, nicht-sphärische Quelloberflächen-Modelle erfordern könnten, um der intrinsisch nicht-sphärischen Natur der Sonnenatmosphäre Rechnung zu tragen.