🔭 astrophysics

Analysis of Short-term Solar Activity Variability and Estimating the Timings of the Next Enhanced Bursts

Cet article présente une stratégie de prévision hybride combinant la modélisation numérique, l'analyse statistique et l'apprentissage automatique pour prédire les éruptions d'activité solaire à moyen terme, reproduisant avec succès les tendances récentes des taches solaires et estimant que les prochaines éruptions accrues dans les deux hémisphères se produiront autour de décembre 2025, l'hémisphère Sud dominant l'activité totale.

Auteurs originaux : Juie Shetye, Mausumi Dikpati

Publié 2026-05-27

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Juie Shetye, Mausumi Dikpati

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez le Soleil non pas comme une boule lisse et lumineuse, mais comme un géant agité qui possède un « battement de cœur » à long terme (le cycle solaire de 11 ans) mais qui fait aussi des « hoquets » ou des « éclats » d'énergie imprévisibles et à court terme tous les quelques mois. Ces hoquets sont ce que les scientifiques appellent des « saisons de la météo spatiale ». Lorsque ces saisons frappent, le Soleil crache davantage d'éruptions solaires et de tempêtes, ce qui peut perturber nos satellites, le GPS et les réseaux électriques sur Terre.

Pendant longtemps, les scientifiques ont pu prédire le grand battement de cœur de 11 ans, mais ils ont eu du mal à prévoir ces hoquets à court terme. C'est comme savoir qu'une saison de tempêtes arrive, mais ne pas savoir exactement quand le prochain coup de tonnerre frappera.

Cet article présente une nouvelle méthode « hybride » pour prédire ces éclats à venir avec un délai de quelques semaines à quelques mois. Voici comment ils ont procédé, en utilisant des analogies simples :

1. Le travail d'enquête : Repérer les éclats

D'abord, les auteurs ont examiné 150 ans de données sur les taches solaires (le comptage des taches sombres sur le Soleil). Ils devaient séparer le « battement de cœur » à long terme des « hoquets » à court terme.

L'analogie : Imaginez écouter une chanson où une grosse caisse joue un rythme régulier (le cycle de 11 ans), mais où une caisse claire frappe de manière irrégulière entre-temps (les éclats). Pour entendre clairement la caisse claire, ils ont utilisé un « filtre gaussien », qui est comme une paire de casques à réduction de bruit qui lisse les petits sons tremblotants mais garde les « coups de caisse claire » distincts bien visibles.
Le résultat : Ils ont identifié ces « éclats » comme des événements d'une durée de 6 à 18 mois, où le nombre de taches solaires augmente rapidement puis diminue lentement, ressemblant à une colline ou à une courbe en cloche.

2. La machine de prédiction en deux étapes

Pour prédire l'avenir, ils ont construit une machine en deux parties. Pensez-y comme à un Coureur de base et à un Spécialiste.

Étape 1 : Le Coureur de base (Modèle SARIMA)
Cette partie examine l'histoire des taches solaires pour prédire la tendance générale. C'est comme un coureur de marathon qui connaît le rythme général de la course. Il utilise une méthode statistique appelée SARIMA pour deviner ce que les nombres de taches solaires devraient être en fonction du passé.
- Détail crucial : Les auteurs ont réalisé que les hémisphères Nord et Sud du Soleil ne courent pas la même course. Le Nord est plus régulier, tandis que le Sud est plus erratique et sujet à d'énormes pics. Ainsi, ils ont entraîné deux « coureurs » différents pour chaque hémisphère.
Étape 2 : Le Spécialiste (Machine Learning Random Forest)
Le Coureur de base est bon pour la tendance, mais mauvais pour les « hoquets » soudains. C'est là que le Spécialiste intervient. Il s'agit d'un modèle d'apprentissage automatique (une « Random Forest ») qui agit comme un prévisionniste météorologique expérimenté. Il examine l'histoire récente (les derniers mois de taches solaires) et l'hémisphère spécifique pour deviner : Quelle sera l'ampleur du prochain hoquet ? Combien de temps durera-t-il ?
- La magie : Le modèle d'apprentissage automatique prend la forme de « colline » de l'éclat (l'amplitude et la durée) et l'« injecte » sur la ligne de tendance du Coureur de base.

3. Les prévisions : Qu'est-ce qui arrive ensuite ?

En combinant ces deux éléments, les auteurs ont fait des prévisions spécifiques pour le cycle solaire actuel (Cycle 25) :

L'hémisphère Nord :
- Vérification passée : Ils ont réussi à « rétro-prédire » (prédire le passé pour tester leur modèle) un éclat survenu entre fin 2024 et mi-2025, culminant autour de mars 2025 avec environ 70 taches solaires.
- Prédiction future : Le prochain éclat est attendu vers décembre 2025, mais il sera légèrement plus petit (environ 60 taches solaires) alors que le Soleil commence à se calmer après son pic.
L'hémisphère Sud :
- La carte sauvage : Le Sud est plus chaotique. Il traverse actuellement un éclat massif et complexe qui a commencé fin 2024 et devrait culminer vers mars-avril 2025 avec une amplitude énorme d'environ 130 à 140 taches solaires.
- Prédiction future : Un autre éclat est prévu pour décembre 2025, se prolongeant jusqu'au début de 2026, avec un pic autour de 120 taches solaires.
Le tableau d'ensemble :
Parce que l'hémisphère Sud est actuellement le coureur le « plus fort », il pilote l'activité totale. Le nombre total combiné de taches solaires devrait atteindre un pic d'environ 205 à 210 en mars-avril 2025, puis se stabiliser un certain temps avant de diminuer lentement.

Pourquoi cela compte

Les auteurs expliquent que si nous ne pouvons pas prédire une tempête solaire à un jour précis (comme prédire un tremblement de terre), nous pouvons prévoir ces « saisons » de haute activité des semaines ou des mois à l'avance.

La conclusion :
Cet article ne prétend pas arrêter les tempêtes solaires ou réparer les réseaux électriques. Au contraire, il offre une nouvelle « prévision météorologique » pour l'espace. En utilisant un mélange de statistiques classiques et d'apprentissage automatique moderne, ils peuvent nous dire quand le Soleil est susceptible d'avoir un « accès » d'activité élevée, donnant à la société quelques mois d'avertissement pour se préparer à la prochaine « saison de météo spatiale ».

Résumé technique : Analyse de la variabilité de l'activité solaire à court terme et estimation des calendriers des prochains pics d'activité renforcée

Énoncé du problème
L'activité solaire présente une variabilité à plusieurs échelles de temps. Bien que le cycle solaire décennal (SC) soit bien caractérisé et que les événements quotidiens d'éruptions et d'éjections de masse coronale (CME) soient largement imprévisibles à court terme, une lacune critique subsiste dans la prévision de la variabilité à échelle intermédiaire (semaines à mois). L'article identifie des « saisons de météorologie spatiale » — des pics d'activité renforcée quasi-périodiques d'une durée de 6 à 18 mois — comme un facteur clé de la météorologie spatiale dangereuse (par exemple, les éruptions majeures et les éjections de masse coronale). La prévision opérationnelle actuelle se concentre soit sur des échelles de temps très courtes (heures à jours), soit sur l'amplitude du cycle décennal, laissant les pics intermédiaires sans réponse. Les auteurs notent que, si les modèles physiques (par exemple, les modèles hydrodynamiques magnétiques de type eau peu profonde de la tachocline et les modèles de dynamo) expliquent l'existence de ces périodes quasi-annuelles via des mécanismes tels que les oscillations non linéaires de la tachocline (TNO), ils manquent de précision paramétrique pour prédire le calendrier spécifique, l'amplitude et la séquence hémisphérique des pics individuels.

Méthodologie
Les auteurs proposent une stratégie de prévision hybride novatrice intégrant des techniques numériques, statistiques et d'apprentissage automatique pour prédire ces pics à l'aide des données de nombre de taches solaires (SSN) lissées mensuellement de 1878 à 2025. La méthodologie se déroule en trois étapes distinctes :

Détection et caractérisation des pics (ajustement gaussien) :
- Les données de SSN hémisphériques sont lissées à l'aide d'un noyau gaussien de 4 mois pour isoler les structures sous-annuelles tout en filtrant le bruit à l'échelle mensuelle.
- Les pics renforcés sont définis comme des renforcements à lobe unique d'une durée de 6 à 18 mois avec un SSN de pointe $\ge$ 10.
- Un profil gaussien avec un fond linéaire est ajusté aux pics identifiés pour extraire les paramètres clés : temps de pointe, amplitude, largeur à mi-hauteur (FWHM) et durée.
- L'estimation de densité par noyau (KDE) est utilisée pour analyser les distributions statistiques des amplitudes et des durées des pics dans les hémisphères Nord et Sud et à différentes phases du SC.
Prévision de base statistique (SARIMA) :
- Des modèles séparés de moyenne mobile intégrée autorégressive saisonnière (SARIMA) sont développés pour les hémisphères Nord et Sud afin de capturer les tendances cycliques sous-jacentes et les motifs saisonniers.
- Les paramètres du modèle sont optimisés à l'aide du critère d'information d'Akaike (AIC).
- Hémisphère Nord : Le modèle optimal est SARIMA (3, 0, 5) $\times$ (2, 1, 0) avec une période saisonnière de 9 mois.
- Hémisphère Sud : Le modèle optimal est SARIMA (3, 0, 1) $\times$ (2, 1, 0) avec une période saisonnière de 10 mois.
- Pour tenir compte du déclin post-pic du SC25, un facteur de décroissance multiplicatif (réduction de 20 % tous les 12 mois) est appliqué aux prévisions de base.
Injection de pics par apprentissage automatique (Random Forest) :
- Un modèle de régression Random Forest (RF) est entraîné sur un catalogue d'environ 300 pics historiques pour prédire l'amplitude et la durée des pics.
- Les caractéristiques d'entrée incluent les SSN mensuels décalés (1 à 5 mois avant le pic) et un indicateur d'hémisphère.
- Le modèle RF produit des amplitudes et des durées prédites, qui sont ensuite injectées sous forme d'enveloppes gaussiennes asymétriques sur les prévisions de base SARIMA.

Résultats clés
Le modèle hybride réussit à rétrospectivement prédire et à prévoir les événements de pics pour le cycle solaire actuel 25 (SC25) :

Hémisphère Nord :
- Rétro-prédiction (novembre 2024 – mai 2025) : Le modèle identifie un pic atteignant son maximum en mars 2025 avec un SSN d'environ 70.
- Prévision : Un pic subséquent est prévu pour décembre 2025 avec une amplitude légèrement inférieure d'environ 60 SSN.
Hémisphère Sud :
- Comportement : Présente un comportement plus complexe avec plusieurs amplitudes. Un pic principal est identifié à partir de fin 2024, atteignant son maximum en mars-avril 2025 avec une amplitude élevée de 130 à 140 SSN.
- Prévision : Un pic tertiaire est prévu pour janvier 2026 avec une amplitude d'environ 120 SSN.
Disque total :
- Le SSN total combiné est prévu pour atteindre un pic d'environ 205 à 210 en mars-avril 2025, suivi d'un plateau d'environ 170 à 175 jusqu'à la fin de 2025 avant un déclin progressif.
Performance du modèle :
- Le modèle RF atteint un score $R^2$ de 0,748 pour la prédiction de l'amplitude, avec une erreur absolue moyenne (MAE) de 12,60 SSN.
- Les modèles SARIMA montrent une asymétrie hémisphérique dans les paramètres optimaux, reflétant les fluctuations à court terme plus régulières de l'hémisphère Nord par rapport aux pics ponctués et de haute amplitude de l'hémisphère Sud.

Portée et revendications
L'article revendique de combler une « lacune critique » dans la prévision opérationnelle de la météorologie spatiale en fournissant des délais de prévision de plusieurs semaines à plusieurs mois pour les « saisons de météorologie spatiale ». Les auteurs affirment que leur approche hybride traduit avec succès le concept physiquement motivé des TNO en un processus de travail exploitable et fondé sur les données.

Les contributions clés mises en avant par les auteurs incluent :

Cadre hybride : Le couplage réussi des bases SARIMA avec les injections de pics dérivées de l'apprentissage automatique permet de résoudre les pics quasi-saisonniers (2 à 20 mois) que les prévisions décennales traditionnelles manquent.
Asymétrie hémisphérique : L'étude modélise explicitement les comportements dynamiques distincts des hémisphères Nord et Sud, notant que l'hémisphère Sud domine l'activité totale du SSN dans le cycle actuel.
Quantification de l'incertitude : Le cadre intègre des intervalles de confiance statistiques (IC à 95 %) pour la base SARIMA et des estimations d'incertitude heuristiques pour les pics prédits par RF, fournissant un produit de prévision probabiliste.
Utilité opérationnelle : En prédisant le calendrier et l'amplitude de ces pics intermédiaires, la méthode vise à fournir un délai suffisant à la société pour se préparer aux impacts de l'activité solaire renforcée, distincts de l'imprévisibilité des événements d'éruptions quotidiens.

Les auteurs maintiennent que, si les modèles physiques expliquent le mécanisme de ces pics, leur approche hybride fondée sur les données est actuellement la méthode la plus efficace pour prédire l'occurrence et l'ampleur spécifiques de ces événements.

1. Le travail d'enquête : Repérer les éclats

2. La machine de prédiction en deux étapes

3. Les prévisions : Qu'est-ce qui arrive ensuite ?

Pourquoi cela compte

Articles similaires