Prominence Plasma Parameters Maps Inferred From Lyman $\beta$ and Lyman $\gamma$ Observations and Non-LTE Modelling

Resumen Técnico: Mapas de Parámetros de Plasma de Prominencias Inferidos de Observaciones de Lyman β y Lyman γ y Modelado No-LTE

1. Planteamiento del Problema

Las prominencias solares son estructuras de plasma frío y denso suspendidas en la corona solar caliente. Comprender sus condiciones físicas (temperatura, presión, masa columnar y velocidad) es crucial para la física solar y la meteorología espacial, dado su vínculo con las eyecciones de masa coronal (CME).

• Limitación actual: La determinación de estos parámetros fundamentales a menudo se basa en diagnósticos espectroscópicos que, por sí solos, no pueden restringir de manera única las condiciones físicas subyacentes debido a la degeneración de soluciones (diferentes combinaciones de parámetros pueden producir la misma intensidad integrada).
• Necesidad: Se requiere un modelado radiativo de transferencia no en equilibrio termodinámico local (No-LTE) sofisticado para interpretar correctamente las líneas espectrales, especialmente las líneas de Lyman (β y γ), que son sensibles a las condiciones termodinámicas desde el núcleo frío hasta la región de transición prominencia-corona (PCTR).
• Objetivo: Utilizar las primeras observaciones dedicadas de una prominencia fuera del disco por el instrumento SPICE (a bordo de Solar Orbiter) para generar mapas espaciales de parámetros del plasma mediante la comparación de intensidades integradas observadas con modelos sintéticos.

2. Metodología

El estudio emplea un enfoque innovador que combina datos observacionales con un código de transferencia radiativa 1D No-LTE (PRODOP).

• Datos Observacionales: Se utilizaron datos del instrumento SPICE (Solar Orbiter) de una observación de prominencia fuera del disco realizada el 15 de abril de 2023 (fase pre-eruptiva), específicamente en las líneas Lyman β y Lyman γ. Se seleccionaron rásteres pre-eruptivos (07:03–08:09 UT).
• Generación de Modelos Iniciales:
  • Se generaron 1000 modelos aleatorios variando parámetros clave dentro de rangos físicos definidos (Temperatura central: 5000–15000 K; Presión central: 0.01–0.48 dyn cm⁻²; Masa columnar: 1.4×10⁻⁷–1.4×10⁻⁵ g cm⁻²).
  • La radiación incidente se restringió utilizando un mosaico de disco completo de SPICE.
• Algoritmo de Optimización y Construcción de Modelos:
  • Selección de Modelos Base: Para cada píxel, se identificaron dos modelos iniciales: el "Modelo A" (mejor ajuste a Lyman β) y el "Modelo B" (mejor ajuste a Lyman γ).
  • Uso de Funciones de Contribución: Se utilizaron las funciones de contribución ($C$) para guiar la optimización. Estas funciones indican qué capas del plasma contribuyen más a la intensidad de la línea.
  • Construcción de Nuevos Perfiles: Se crearon nuevos perfiles de temperatura y presión combinando los modelos A y B. La lógica fue modificar las zonas donde la función de contribución de la línea mal ajustada era alta (>0.7) y la de la línea bien ajustada era baja (<0.7).
  • Combinación Lineal: Los nuevos perfiles se calcularon mediante combinaciones lineales controladas por coeficientes ($a_1, a_2, a_3$) que varían en pasos de 1/6, buscando minimizar la diferencia relativa media ($R_{avg}$) entre las intensidades observadas y sintéticas para ambas líneas simultáneamente.
• Validación: Se evaluó la diferencia relativa media entre los mapas sintéticos y observados para encontrar el conjunto de coeficientes óptimo.

3. Contribuciones Clave

• Método de Optimización Guiado por Funciones de Contribución: A diferencia de enfoques anteriores que ajustaban parámetros globalmente, este método utiliza las funciones de contribución para modificar selectivamente los perfiles de temperatura y presión en las capas específicas donde la sensibilidad es mayor para la línea que no coincide, preservando el ajuste de la otra línea.
• Generación de Mapas de Parámetros Espaciales: Por primera vez, se aplicó este método para generar mapas 2D completos de temperatura, presión y masa columnar para una prominencia observada por SPICE, en lugar de solo valores promediados o perfiles 1D aislados.
• Integración de Lyman β y Lyman γ: Se demuestra que el análisis simultáneo de estas dos líneas de la serie de Lyman, que se forman a diferentes alturas y condiciones ópticas, permite restringir mejor los parámetros físicos que el uso de una sola línea.
• Herramienta de Diagnóstico Predictivo: El método permite generar mapas sintéticos para líneas no observadas (como Hα o densidad electrónica), facilitando la comparación con futuros instrumentos o misiones.

4. Resultados

• Ajuste de Intensidad: El conjunto de coeficientes óptimo encontrado ($a_1=0, a_2=0, a_3=0$) indicó que, en este caso específico, los modelos aleatorios iniciales ya ofrecían un ajuste muy bueno. La diferencia relativa media ($R_{avg}$) entre los mapas sintéticos y observados fue del 5% para el mapa de 9 píxeles y del 8% para el mapa completo.
• Mapas de Parámetros Derivados:
  • Masa Columnar y Presión Media: Mostraron una fuerte correlación espacial con la morfología de las intensidades observadas. Las regiones de alta intensidad corresponden a alta masa columnar y alta presión.
  • Temperatura Media: Presentó una estructura menos definida en el mapa, lo que sugiere que las líneas Lyman β y γ son menos sensibles a variaciones de temperatura media en comparación con la masa y la presión en este rango de parámetros.
  • Rangos de Valores: Los parámetros derivados se encuentran dentro de los rangos típicos para prominencias cuiescentes (Temperatura media: ~9885–30238 K; Presión media: ~0.01–0.32 dyn cm⁻²).
• Incertidumbre: Se estimaron incertidumbres del 86% para la masa columnar, 72% para la presión media y 22% para la temperatura media, reflejando la degeneración inherente a los diagnósticos espectroscópicos.
• Mapas Adicionales: Se generaron exitosamente mapas de densidad electrónica e intensidad de Hα sintética, mostrando estructuras coherentes con las observaciones de Lyman.

5. Significado e Impacto

• Avance en Diagnóstico Solar: Este estudio establece un puente cuantitativo entre los diagnósticos espectroscópicos y el modelado de plasmas, permitiendo visualizar estructuras internas de prominencias que son difíciles de inferir directamente.
• Validación de Modelos No-LTE: Confirma que los códigos de transferencia radiativa 1D (como PRODOP), cuando se combinan con restricciones observacionales adecuadas (como la radiación incidente de disco completo), pueden reproducir fielmente las propiedades radiativas de las prominencias.
• Preparación para Futuras Misiones: La metodología desarrollada es escalable y puede aplicarse a datos de otros instrumentos (IRIS, Metis) y futuras misiones, optimizando la selección de líneas de diagnóstico para mejorar la resolución espacial de los mapas de parámetros.
• Comprensión de la Erupción: Al analizar la fase pre-eruptiva, estos mapas proporcionan una base termodinámica y dinámica crucial para entender los mecanismos que desencadenan las erupciones solares y su impacto en el clima espacial.

En conclusión, el artículo presenta una metodología robusta y eficiente para extraer parámetros físicos fundamentales de las prominencias solares, superando las limitaciones de los diagnósticos tradicionales mediante un modelado No-LTE guiado por funciones de contribución y datos de alta calidad de Solar Orbiter.