🔭 astrophysics

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

यह शोधपत्र 15 अप्रैल, 2023 को देखे गए एक ऑफ-लिम्ब प्रॉमिनेंस के लाइमन $\beta$ और लाइमन $\gamma$ रेखाओं के SPICE अवलोकनों के विरुद्ध नॉन-एलटीई (non-LTE) रेडिएटिव ट्रांसफर मॉडलों को अनुकूलित करने के लिए योगदान कार्यों (contribution functions) का उपयोग करके, प्रॉमिनेंस प्लाज्मा मापदंडों, जैसे कि तापमान और दबाव, के भौतिक रूप से बाधित मानचित्र उत्पन्न करने की एक विधि प्रस्तुत करता है।

मूल लेखक: Y. Zhang, N. Labrosse, T. A. Kucera, S. Parenti

प्रकाशित 2026-04-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Y. Zhang, N. Labrosse, T. A. Kucera, S. Parenti

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि सूर्य केवल आग का एक दहकता हुआ गोला नहीं है, बल्कि गैस का एक गतिशील महासागर है जिसमें छिपे हुए, तैरते हुए द्वीप हैं। इन द्वीपों को सौर प्रॉमिनेंस (solar prominences) कहा जाता है। ये सूर्य के अत्यधिक गर्म वातावरण में लटके हुए ठंडे, घने प्लाज्मा के विशाल बादल हैं। इन बादलों को समझना पृथ्वी पर मौसम को समझने जैसा है, लेकिन यहाँ बारिश और हवा के बजाय, हम चुंबकीय क्षेत्रों और अत्यधिक गर्म गैसों से जूझ रहे हैं जो हमारे उपग्रहों और बिजली ग्रिडों को प्रभावित करने वाले अंतरिक्ष तूफानों को जन्म दे सकते हैं।

यह शोध पत्र उन खगोलविदों की एक टीम के बारे में है जिन्होंने ब्रह्मांडीय जासूसों (cosmic detectives) की भूमिका निभाई। उनका लक्ष्य क्या था? यह पता लगाना कि ये तैरते हुए द्वीप वास्तव में किस चीज से बने हैं, वे कितने गर्म हैं, और उनका वजन कितना है, वह भी बिना उन्हें छुए।

यहाँ बताया गया है कि उन्होंने इसे कैसे किया, जिसे सरल चरणों में विभाजित किया गया है:

1. अपराध स्थल: अंतरिक्ष से ली गई एक तस्वीर

15 अप्रैल, 2023 को, सोलर ऑर्बिटर (Solar Orbiter) नामक एक अंतरिक्ष यान (जो यूरोप और अमेरिका की एक संयुक्त परियोजना है) ने एक बहुत ही विशेष तस्वीर ली। इसने सूर्य के किनारे से लटके हुए एक प्रॉमिनेंस को देखने के लिए SPICE नामक एक उच्च-तकनीकी कैमरे का उपयोग किया।

SPICE को एक सुपर-संवेदनशील माइक्रोफोन के रूप में समझें जो ध्वनि नहीं सुनता, बल्कि प्रकाश सुनता है। इसने प्रॉमिनेंस से आने वाले दो विशिष्ट "सुरों" (प्रकाश के रंगों) को सुना: लाइमैन-बीटा (Lyman-beta) और लाइमैन-गैमा (Lyman-gamma)। ये हाइड्रोजन परमाणुओं द्वारा उत्सर्जित पराबैंगनी प्रकाश के विशिष्ट प्रकार हैं। जिस तरह एक डॉक्टर मरीज के स्वास्थ्य का अनुमान लगाने के लिए दिल की धड़कन सुनता है, उसी तरह खगोलविदों ने प्रॉमिनेंस के स्वास्थ्य का अनुमान लगाने के लिए इन प्रकाश "सुरों" को सुना।

2. समस्या: "एक सुर, कई कारण" की पहेली

यहाँ पेचीदा हिस्सा है: समान मात्रा में प्रकाश कई अलग-अलग तापमान और दबाव के संयोजनों द्वारा उत्पन्न किया जा सकता है।

उपमा: कल्पना कीजिए कि आप एक ज़ोरदार ड्रम की थाप सुनते हैं। क्या यह एक छोटे ड्रम की ज़ोरदार चोट है, या एक बड़े ड्रम की हल्की चोट? आप केवल आवाज़ के स्तर से यह नहीं बता सकते।
सूर्य के मामले में, एक "ज़ोरदार" प्रकाश संकेत का अर्थ यह हो सकता है कि गैस बहुत गर्म लेकिन विरल (thin) है, या ठंडी लेकिन बहुत घनी है। खगोलविदों को इस पहेली को सुलझाने और प्रॉमिनेंस के हर छोटे हिस्से के लिए सटीक 'रेसिपी' खोजने के तरीके की आवश्यकता थी।

3. समाधान: "आभासी मौसम केंद्र"

टीम ने प्रॉमिनेंस का एक आभासी सिमुलेशन (virtual simulation) (एक कंप्यूटर मॉडल) बनाया। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने एक चतुर रणनीति का उपयोग किया:

चरण 1: लॉटरी। उन्होंने प्रॉमिनेंस के 1,000 यादृच्छिक (random) मॉडल तैयार किए। प्रत्येक मॉडल का तापमान, दबाव और घनत्व थोड़ा अलग था, जैसे 1,000 अलग-अलग "क्या होगा अगर" वाले परिदृश्यों को बनाने के लिए पासे फेंकना।
चरण 2: मिलान। उन्होंने प्रत्येक 1,000 मॉडलों के लिए प्रकाश कैसा दिखेगा, इसकी गणना की और उसकी तुलना अंतरिक्ष यान द्वारा ली गई वास्तविक तस्वीर से की।
चरण 3: परिशोधन (Refinement)। उन्हें वे मॉडल मिले जो वास्तविक फोटो के सबसे करीब थे। लेकिन यहाँ असली प्रतिभा छिपी है: उन्होंने महसूस किया कि एक मॉडल "लाइमैन-बीटा" सुर से तो पूरी तरह मेल खा सकता है, लेकिन "लाइमैन-गैमा" सुर से चूक सकता है। इसलिए, उन्होंने "लाइमैन-बीटा" मॉडल के सबसे अच्छे हिस्सों और "लाइमैन-गैमा" मॉडल के सबसे अच्छे हिस्सों को लिया और उन्हें एक नए, पूर्ण मॉडल में सीवन (stitch) कर दिया।

उन्होंने मार्गदर्शक के रूप में कंट्रीब्यूशन फंक्शन्स (Contribution Functions) का उपयोग किया। इसे प्रॉमिनेंस के भीतर एक हीट मैप (heat map) के रूप में समझें। इसने उन्हें बताया कि प्रकाश बादल के अंदर कहाँ बन रहा है। यदि प्रकाश मुख्य रूप से ऊपरी परत से आ रहा था, तो वे जानते थे कि उन्हें निचली परत के बजाय ऊपरी परत के तापमान को समायोजित करना है।

4. परिणाम: अदृश्य का 3D मानचित्र

हर एक पिक्सेल (छोटा बिंदु) के लिए ऐसा करने के बाद, उन्होंने प्रॉमिनेंस के छिपे हुए गुणों के मानचित्र (maps) बनाए।

द्रव्यमान मानचित्र (Mass Map): उन्होंने पता लगाया कि बादल के प्रत्येक भाग में कितना "सामग्री" (द्रव्यमान) है।
दबाव मानचित्र (Pressure Map): उन्होंने गणना की कि गैस अपने आप पर कितना दबाव डाल रही है।
तापमान मानचित्र (Temperature Map): उन्होंने अनुमान लगाया कि यह कितना गर्म है।

बड़ी खोज:
उन्होंने पाया कि फोटो में दिखने वाले प्रकाश का "आकार" उनके मानचित्रों में द्रव्यमान और दबाव के "आकार" से मेल खाता है।

उपमा: यह दीवार पर पड़ने वाली छाया को देखने जैसा है और यह महसूस करना कि छाया का आकार पर्दे के पीछे छिपी वस्तु के आकार से बिल्कुल मेल खाता है। प्रकाश के चमकीले बिंदु बादल के भारी, उच्च-दबाव वाले स्थानों के अनुरूप थे।

5. यह क्यों महत्वपूर्ण है?

यह कई कारणों से एक बड़ी बात है:

अंतरिक्ष मौसम पूर्वानुमान (Space Weather Forecasting): प्रॉमिनेंस विस्फोट कर सकते हैं और पृथ्वी की ओर गैस के विशाल बादल छोड़ सकते हैं, जिससे अरोरा (auroras) तो बनते हैं लेकिन साथ ही उपग्रहों को भी नुकसान पहुँच सकता है। उनके भीतर के "दबाव" और "तापमान" को समझकर, हम एक दिन भविष्यवाणी कर पाएंगे कि वे कब विस्फोट करेंगे, ठीक वैसे ही जैसे मौसम विज्ञानी चक्रवात की भविष्यवाणी करते हैं।
एक नया उपकरण: यह विधि वैज्ञानिकों को प्रकाश की एक साधारण 2D तस्वीर को सूर्य के वातावरण की विस्तृत 3D समझ में बदलने की अनुमति देती है। यह एक केक की सपाट तस्वीर को ऐसी रेसिपी में बदलने जैसा है जो आपको बताती है कि उसके हर स्तर में कितना आटा, चीनी और गर्मी डाली गई थी।

सारांश

संक्षेप में, खगोलविदों ने सूर्य के बादल से आने वाले प्रकाश को डिकोड करने के लिए एक कंप्यूटरीकृत "मिक्स-एंड-मैच" खेल का उपयोग किया। हजारों नकली बादलों की वास्तविक बादल से तुलना करके, उन्होंने बादल के तापमान और दबाव का एक विस्तृत मानचित्र बनाया। यह हमें हमारे सूर्य के "मौसम" को समझने में मदद करता है और यह भी कि यह पृथ्वी पर हमारी तकनीक को कैसे प्रभावित कर सकता है।

यहाँ शोध पत्र "Prominence Plasma Parameters Maps Inferred From Lyman $\beta$ and Lyman $\gamma$ Observations and Non-LTE Modelling" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

सौर प्रॉमिनेंस (Solar prominences) ठंडे, घने प्लाज्मा संरचनाएं हैं जो गर्म सौर कोरोना में निलंबित रहती हैं। प्रॉमिनेंस के भौतिक गुणों (तापमान, दबाव, कॉलम द्रव्यमान और वेग) को समझना सौर भौतिकी और अंतरिक्ष मौसम के पूर्वानुमान के लिए अत्यंत महत्वपूर्ण है, क्योंकि ये अक्सर कोरोनल मास इजेक्शन (CMEs) के पूर्ववर्ती होते हैं।

यद्यपि स्पेक्ट्रोस्कोपिक डायग्नोस्टिक्स मौजूद हैं, लेकिन इन मापदंडों को सटीक रूप से निर्धारित करना चुनौतीपूर्ण है क्योंकि:

Non-LTE वातावरण: प्रॉमिनेंस प्लाज्मा 'लोकल थर्मोडायनामिक इक्विलिब्रियम' (Local Thermodynamic Equilibrium) में नहीं होता है, जिसके लिए सरल डायग्नोस्टिक अनुपातों के बजाय जटिल रेडिएटिव ट्रांसफर मॉडलिंग की आवश्यकता होती है।
डिजेनेरेसी (Degeneracy): भौतिक मापदंडों के विभिन्न संयोजन (जैसे, उच्च दबाव/निम्न तापमान बनाम निम्न दबाव/उच्च तापमान) विशिष्ट स्पेक्ट्रल लाइनों में समान एकीकृत तीव्रता उत्पन्न कर सकते हैं।
एकल-लाइन विश्लेषण की सीमाएँ: पिछले अध्ययन अक्सर एकल लाइनों या सरलीकृत मॉडलों पर निर्भर थे जो एक विशिष्ट क्षेत्र में कई मापदंडों को एक साथ नियंत्रित करने में सक्षम नहीं थे।

इस शोध पत्र में संबोधित विशिष्ट चुनौती Solar Orbiter के SPICE उपकरण द्वारा देखे गए एक विशिष्ट ऑफ-लिंब प्रॉमिनेंस (अप्रैल 15, 2023) के लिए Lyman $\beta$ और Lyman $\gamma$ लाइनों का उपयोग करके प्लाज्मा मापदंडों के स्थानिक रूप से सुझाई गई (spatially resolved) मानचित्र तैयार करना है, जो अलग-अलग ऊष्मप्रवैगिकी स्थितियों के प्रति संवेदनशील हैं।

2. कार्यप्रणाली (Methodology)

लेखकों ने प्रेक्षित एकीकृत तीव्रताओं को सिंथेटिक मॉडलों के साथ मिलाने के लिए एक नवीन, भौतिक रूप से नियंत्रित अनुकूलन विधि (optimization method) विकसित की है।

डेटा स्रोत

उपकरण: Solar Orbiter पर स्थित Spectral Imaging of the Coronal Environment (SPICE)।
घटना: अप्रैल 15, 2023 का ऑफ-लिंब प्रॉमिनेंस अवलोकन (विस्फोट-पूर्व चरण)।
लाइन्स: Lyman $\beta$ (102.5 nm) और Lyman $\gamma$ (97.2 nm)।
आपतित विकिरण (Incident Radiation): SPICE (नवंबर 13, 2023) के फुल-डिस्क मोज़ेक का उपयोग करके नियंत्रित किया गया।

मॉडलिंग ढांचा

कोड: PRODOP, जो सौर प्रॉमिनेंस (हाइड्रोजन, हीलियम, कैल्शियम और मैग्नीशियम लाइनों सहित) के लिए डिज़ाइन किया गया एक 1D non-LTE रेडिएटिव ट्रांसफर कोड है।
मॉडल ज्यामिति: एक वर्टिकल ओरिएंटेड 1D स्लैब मॉडल, जिसमें प्रॉमिनेंस-कोरोना ट्रांजिशन रीजन (PCTR) शामिल है।
मापदंड: मॉडल सेंट्रल टेम्परेचर ( $T_{cen}$ ), सेंट्रल प्रेशर ( $p_{cen}$ ), कॉलम मास ( $M$ ), और PCTR टेम्परेचर ग्रेडिएंट ( $\gamma$ ) को परिवर्तित करता है।

अनुकूलन एल्गोरिदम (The Optimization Algorithm)

एक मानक ग्रिड सर्च के बजाय, लेखकों ने एक कंट्रीब्यूशन-फंक्शन-गाइडेड रिफाइनमेंट प्रक्रिया का उपयोग किया:

रैंडम सैंपलिंग: भौतिक रूप से नियंत्रित श्रेणियों (Zhang et al. 2026b के पिछले कार्य पर आधारित) के भीतर 1,000 रैंडम मॉडल बनाए गए।
प्रारंभिक चयन: प्रत्येक पिक्सेल के लिए, रैंडम सेट से दो "सर्वश्रेष्ठ" मॉडलों की पहचान की गई:
- मॉडल A: Lyman $\beta$ तीव्रता के लिए सर्वश्रेष्ठ मिलान।
- मॉडल B: Lyman $\gamma$ तीव्रता के लिए सर्वश्रेष्ठ मिलान।
- नोट: प्रारंभ में, ये एक ही पिक्सेल के लिए अलग-अलग मॉडल थे।
कंट्रीब्यूशन फंक्शन विश्लेषण: दोनों लाइनों के लिए कंट्रीब्यूशन फंक्शन ( $C$ ) की गणना की गई। यह फंक्शन बताता है कि स्लैब के विशिष्ट परतें उभरती हुई तीव्रता में कैसे योगदान देती हैं।
हाइब्रिड मॉडल निर्माण:
- उन क्षेत्रों की पहचान की गई जहाँ "कम-मिलान वाली" लाइन संवेदनशील थी (उच्च $C$ ) लेकिन "बेहतर-मिलान वाली" लाइन असंवेदनशील थी (निम्न $C$ )।
- मॉडल A और मॉडल B के प्रोफाइल को रैखिक रूप से संयोजित करके नए तापमान ( $T_{new}$ ) और दबाव ( $p_{new}$ ) प्रोफाइल का निर्माण किया गया।
- गुणांकों ( $a_1, a_2$ ) को $0 \le a \le 0.5$ तक सीमित रखा गया ताकि नया मॉडल बेहतर-मिलान वाले बेसलाइन के करीब रहे और संवेदनशील क्षेत्रों को समायोजित कर सके।
- कॉलम मास ( $m_{new}$ ) को एक व्यापक गुणांक रेंज $a_3 \in [-0.5, 0.5]$ का उपयोग करके समायोजित किया गया, क्योंकि यह स्थानीय लाइन फॉर्मेशन के बजाय वैश्विक घनत्व स्केल को नियंत्रित करता है।
ग्लोबल ऑप्टिमाइजेशन: 9 प्रतिनिधि पिक्सेल में सिंथेटिक और प्रेक्षित तीव्रताओं के बीच मीन रिलेटिव डिफरेंस ( $R_{avg}$ ) को कम करने के लिए गुणांकों ( $a_1, a_2, a_3$ ) के संयोजनों का परीक्षण किया गया।

3. मुख्य योगदान (Key Contributions)

एक साथ मल्टी-लाइन कंस्ट्रेंट: यह विधि Lyman $\beta$ और Lyman $\gamma$ को एक साथ मैच करके प्लाज्मा मापदंडों को सफलतापूर्वक नियंत्रित करती है, जिससे एकल-लाइन विश्लेषण की डिजेनेरेसी समस्याओं को दूर किया जा सका।
कंट्रीब्यूशन फंक्शन-गाइडेड ऑप्टिमाइजेशन: पिछले सांख्यिकीय दृष्टिकोणों के विपरीत, यह विधि तापमान और दबाव प्रोफाइल को संशोधित करने के लिए स्पेक्ट्रल लाइनों के भौतिक कंट्रीबियन फंक्शन्स का उपयोग करती है, जिससे भौतिक निरंतरता सुनिश्चित होती है।
स्थानिक पैरामीटर मैपिंग: यह अध्ययन केवल पॉइंट-वाइज विश्लेषण से आगे बढ़कर देखे गए प्रॉमिनेंस क्षेत्र के लिए तापमान, दबाव और कॉलम मास के पूर्ण 2D मानचित्र तैयार करता है।
PRODOP का सत्यापन: यह दर्शाता है कि PRODOP कोड, जब इस अनुकूलन रणनीति के साथ जोड़ा जाता है, तो उच्च सटीकता के साथ प्रेक्षित EUV तीव्रताओं को पुनरुत्पादित कर सकता है।

4. परिणाम (Results)

मॉडल प्रदर्शन: अनुकूलित मॉडल सेट ने 9-पिक्सेल टेस्ट मैप के लिए सिंथेटिक और प्रेक्षित तीव्रताओं के बीच 5% का मीन रिलेटिव डिफरेंस ( $R_{avg}$ ) और पूरे क्षेत्र के लिए 8% प्राप्त किया।
व्युत्पन्न मापदंड रेंज (Derived Parameter Ranges):
- कॉलम मास: $1.6 \times 10^{-7}$ से $1.4 \times 10^{-5}$ g cm $^{-2}$ ।
- औसत दबाव: 0.01 से 0.32 dyn cm $^{-2}$ ।
- औसत तापमान: 9,885 से 30,238 K।
स्थानिक सहसंबंध (Spatial Correlations):
- कॉलम मास और औसत दबाव के मानचित्रों ने प्रेक्षित Lyman तीव्रता मानचित्रों के साथ मजबूत संरचनात्मक समानता दिखाई (उच्च तीव्रता वाले क्षेत्र उच्च मास/प्रेशर के साथ सहसंबंधित थे)।
- औसत तापमान का मानचित्र कम संरचनात्मक भिन्नता दिखा। लेखक इसे इस विशिष्ट शासन (regime) में तापमान परिवर्तनों के प्रति Lyman $\beta$ और $\gamma$ तीव्रताओं की कम संवेदनशीलता के कारण बताते हैं।
अनिश्चितताएं: कॉलम मास के लिए 86%, दबाव के लिए 72%, और तापमान के लिए 22% की अनुमानित अनिश्चितता पाई गई, जो तापमान निर्धारण में शेष डिजेनेरेसी को रेखांकित करती है।
सिंथेटिक विस्तार: लेखकों ने सफलतापूर्वक H $\alpha$ और इलेक्ट्रॉन डेंसिटी के सिंथेटिक मानचित्र बनाए, जो EUV अवलोकनों की आकृति विज्ञान (morphology) से मेल खाते हैं, जो अन-ऑब्जर्व्ड स्पेक्ट्रल लाइन्स की भविष्यवाणी करने में इस पद्धति की उपयोगिता को प्रदर्शित करता है।

5. महत्व और भविष्य का कार्य (Significance and Future Work)

वैज्ञानिक प्रभाव: यह कार्य स्पेक्ट्रोस्कोपिक डायग्नोस्टिक्स और नॉन-एलटीई प्लाज्मा मॉडलिंग के बीच एक मजबूत मात्रात्मक सेतु प्रदान करता है। यह उन आंतरिक प्रॉमिनेंस संरचनाओं (द्रव्यमान और दबाव वितरण) के दृश्यीकरण की अनुमति देता जो अन्यथा अदृश्य हैं।
अंतरिक्ष मौसम: प्रॉमिनेंस की विस्फोट-पूर्व अवस्थाओं को लक्षणित करके, यह विधि उन ऊष्मप्रवैगिकी स्थितियों को समझने में योगदान देती है जो सौर विस्फोटों को ट्रिगर करती हैं।
भविष्य के अनुप्रयोग:
- इस कार्यप्रणाली को डिजेनेरेसी को तोड़ने और तापमान रिज़ॉल्यूशन में सुधार करने के लिए अतिरिक्त स्पेक्ट्रल लाइनों (जैसे IRIS या Metis से) को शामिल करने के लिए विस्तारित किया जा सकता है।
- यह उन स्पेसक्राफ्ट के लिए सिंथेटिक ऑब्जर्वेबल्स उत्पन्न करने में सक्षम बनाता है जिनमें विशिष्ट स्पेक्ट्रल कवरेज की कमी हो सकती है, जिससे मल्टी-मिशन तुलनात्मक अध्ययन में मदद मिलती है।
- यह दृष्टिकोण Solar Orbiter और Parker Solar Probe जैसे मिशनों के भविष्य के EUV स्पेक्ट्रोस्कोपिक डेटासेट के लिए भी लागू किया जा सकता है।

निष्कर्षतः, यह शोध पत्र सौर प्रॉमिनेंस डायग्नोस्टिक्स में एक महत्वपूर्ण प्रगति प्रस्तुत करता है, जो एक परिष्कृत नॉन-एलटीई मॉडलिंग ढांचे का उपयोग करके गुणात्मक विवरणों से मात्रात्मक, स्थानिक रूप से सुझाई गई पैरामीटर मैपिंग की ओर बढ़ता है।