Morphological Fingerprints of Forbush Decreases and Their Relation to Geomagnetic Storm Severity

Sintesi Tecnica: Impronte Morfologiche delle Diminuzioni di Forbush e la loro Relazione con la Severità delle Tempeste Geomagnetiche

Definizione del Problema
Le diminuzioni di Forbush (FD) sono riduzioni transitorie del flusso di raggi cosmici galattici (GCR) guidate da disturbi interplanetari, principalmente espulsioni di massa coronale (CME) e i relativi shock. Sebbene le FD e le tempeste geomagnetiche condividano gli stessi driver fisici, le loro relazioni fisiche sono indirette; l'intensità della tempesta dipende fortemente dalla componente verso sud del campo magnetico interplanetario ($B_z < 0$), mentre l'ampiezza della FD è governata dalla struttura della barriera magnetica dello sheath e del flux rope dell'ICME. La caratterizzazione delle FD attraverso le reti globali di neutron monitor (NMDB) è resa difficile dalle risposte eterogenee delle stazioni, dalla variabile schermatura geomagnetica (rigidità di cutoff) e dalle lacune nei dati. I metodi esistenti spesso trattano le serie temporali in isolamento o si affidano a curve riassuntive, mancando di una rappresentazione unificata e comparabile che catturi la natura multivariata della rete. Questo lavoro affronta la necessità di un framework robusto per confrontare le morfologie degli eventi FD e collegarle alla severità delle tempeste geomagnetiche.

Metodologia
Gli autori propongono una rappresentazione degli eventi basata su grafi, dove ogni FD viene mappata in una rete di eventi costruita tramite dissimilarità a coppie tra le serie temporali di risposta delle stazioni. La metodologia segue una pipeline rigorosa e riproducibile:

1. Pre-elaborazione dei Dati: I tassi di conteggio orari dei neutron monitor vengono estratti dal NMDB. Viene definito un intervallo di analisi comune attorno al disturbo. I dati mancanti vengono gestiti tramite due strategie: filtraggio della copertura (esclusione delle stazioni con >50% di dati mancanti) o imputazione multivariata iterativa mediante k-vicini più prossimi (k=2).
2. Calcolo della Distanza: Le risposte delle stazioni sono normalizzate come deviazioni percentuali da un livello di riferimento pre-evento. Le distanze a coppia sono calcolate utilizzando metriche $L_p$ (Manhattan $p=1$ o Euclidea $p=2$).
3. Trasformazioni nel Dominio della Distanza: Per controllare l'intervallo dinamico e migliorare la comparabilità, le distanze subiscono trasformazioni: identità, logaritmica o esponenziale, seguite da normalizzazioni opzionali (min-max, z-score, ecc.).
4. Costruzione del Grafo: Ogni evento è rappresentato come un grafo non orientato pesato. Per garantire la comparabilità tra eventi con diverse numerosità di stazioni ed evitare artefatti di densità, viene calcolato un Albero di Minimo Peso (MST) utilizzando l'algoritmo di Kruskal. Ciò produce uno scheletro sparso e connesso con esattamente $N-1$ archi, evidenziando i domini di accoppiamento inter-stazione prevalenti.
5. Estrazione delle Impronte (Fingerprint): Viene calcolato un insieme compatto di descrittori geometrici e topologici dall'MST, tra cui:
   • Integrazione Globale: Efficienza globale, indice di Estrada.
   • Struttura Mesoscopica: Modularità, assortatività.
   • Aggregati di Centralità: Media di Katz, vicinanza (closeness) e intermediazione (betweenness).
   • Descrittori di Complessità: Entropia di Shannon dei pesi degli archi, dimensione frattale (tramite Compact-Box-Burning) e esponente di Hurst (tramite analisi R/S).
6. Validazione: L'abilità predittiva è valutata utilizzando una validazione rigorosa "leave-one-event-out" (LOEO) su una griglia predefinita di scelte della pipeline. I criteri di selezione (macro-F1 per la classificazione, $R^2$ per la regressione) sono fissati a priori per prevenire il data leakage.

Contributi Chiave

1. Pipeline Riproducibile: Lo studio introduce una pipeline controllata che mappa le serie temporali multi-stazione delle FD in grafi di evento, gestendo esplicitamente la pre-elaborazione, i dati mancanti e le operazioni nel dominio della distanza.
2. Descrittori di Grafo Compatti: Definisce un set specifico di impronte grafiche che spaziano dall'integrazione alla struttura spettrale, all'organizzazione mesoscopica e alla complessità, consentendo l'analisi degli eventi in regimi con campioni ridotti.
3. Approfondimenti Condizionati dalla Rigidità: Il lavoro dimostra che i ruoli dei nodi nello scheletro dell'evento sono fisicamente radicati nella schermatura geomagnetica. Le stazioni a bassa rigidità (polari) occupano costantemente posizioni centrali e di ponte, mentre le stazioni a rigidità intermedia agiscono come ponti spettrali, e le stazioni ad alta rigidità rimangono periferiche.
4. Framework Comparativo: L'approccio offre un framework complementare e interpretabile per la caratterizzazione delle FD che cattura informazioni non riducibili a singoli indici scalari.

Risultati
Lo studio valuta tre compiti predittivi utilizzando le impronte estratte:

• Classificazione dell'Intensità Multi-classe (G3/G4/G5): Il modello ha ottenuto una performance moderata ma costante (Macro-F1 = 0,575). Gli errori sono stati dominati da classificazioni errate tra categorie adiacenti (es. G4 vs. G5), a supporto della visione della severità della tempesta come un continuum. La migliore configurazione ha utilizzato una trasformazione di distanza logaritmica, adiacenza di Minkowski e Analisi Discriminante Lineare (LDA).
• Screening Binario della Severità (≥G4 vs. G3): La performance è migliorata significativamente (Macro-F1 = 0,741), con un'alta sensibilità (0,87) verso gli eventi severi. Ciò suggerisce che le impronte sono particolarmente efficaci nel distinguere i disturbi forti da quelli moderati.
• Regressione della Caduta (Drop): Utilizzando la Regressione dei Minimi Quadrati Parziali (PLS) con 5 componenti, il modello ha raggiunto un $R^2$ di 0,350, superando significativamente il baseline della media per piega ($R^2 = -0,062$). Ciò indica che l'organizzazione globale della rete codifica informazioni quantitative sull'ampiezza della FD.
• Confronto con i Baseline: Le impronte grafiche hanno superato tutti i baseline scalari e vettoriali, inclusi il calo massimo polare, la $B_z$ verso sud minima, l'intensità del campo interplanetario, la velocità del vento solare, l'indice Dst e le coppie $(B_z, |B|)$. Notevolmente, tutti i baseline scalari hanno prodotto valori di $R^2$ negativi nella regressione, mentre l'approccio grafico ha fornito un contributo positivo.

Significatività e Rivendicazioni
L'articolo sostiene che la morfologia degli eventi FD lascia firme di rete riproducibili che possono essere catturate da impronte grafiche compatte. Queste firme forniscono un quadro complementare per la caratterizzazione comparativa delle FD e per studiare come i driver eliosferici imprimano struttura sulle risposte globali dei neutron monitor.

Gli autori sottolineano che i risultati sono modesti dato il campione limitato ($n \le 34$) e dovrebbero essere interpretati come prova di un segnale riproducibile piuttosto che come un modello operativo finale. Il framework è attualmente uno strumento di caratterizzazione retrospettiva; richiede l'intero intervallo dell'evento per calcolare le impronte e non è ancora un sistema di previsione in tempo reale. Tuttavia, il lavoro stabilisce che le strutture topologiche e geometriche nelle risposte multi-stazione contengono informazioni predittive sulla severità della tempesta e sull'ampiezza della FD che non sono catturate dagli standard indici scalari o dalle semplici misurazioni di ampiezza. L'utilità futura è prevista attraverso cataloghi espansi, benchmarking consapevole dell'incertezza e l'integrazione di metadati sulla geometria di osservazione e sulla rigidità.