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

本研究は、ポテンシャル場ソースサーフェスモデルにおいて、固定値を用いるのではなくソースサーフェスの高さを最適化することが、最適高度と太陽周期のフェーズとの間の明確な関係性を明らかにすることによって、太陽周期23から25における太陽風速度予測を大幅に向上させることを示している。

要約

太陽を、巨大で渦巻く灯台だと想像してみてください。数年ごとに、この灯台は回転の仕方や光の強さを変化させます。時には穏やかで安定しており（太陽極小期）、またある時は混沌として激しく点滅しています（太陽極大期）。

科学者たちは「太陽風」を予測しようとしています。これは太陽から地球に向かって吹き付けている、目に見えない粒子の絶え間ない流れです。もし彼らがこの予測を誤れば、地球上の人工衛星や電力網に悪影響を及ぼす可能性があります。これらの予測を行うために、彼らは太陽の磁場のデジタルマップを使用します。これは、風がどこへ向かっているのかを示すガイドのような役割を果たします。

「ソース・サーフェス（源面）」問題：見えない天井

コンピュータモデルにおいて、科学者が使用するモデルには、「ソース・サーフェス」と呼ばれる特定の仮想的な線が存在します。これは、太陽を取り囲む目に見えない天井やドームのようなものだと考えてください。

• 旧来のルール： 数十年の間、科学者たちは、この天井は常に同じ高さ（太陽半径の約2.5倍）であると仮定してきました。彼らはそれを固定されたルールとして扱ってきました。例えば、「すべてのドアは正確に7フィートの高さである」と言うようなものです。
• 現実： 太陽は静止した物体ではありません。天候が変わるのと同様に、太陽の磁気的な影響力の「天井」も、太陽の活動状態に応じて上下に動くはずです。

この研究が行ったこと

研究者たち（Kumar、Srivastava、およびTalpeanu）は、単に推測するのをやめて、テストを開始することにしました。彼らは、天井の高さを変えることで、地球への風の予測がより正確になるかどうかを確認するために、3つの異なる太陽周期（約30年の歴史）のデータを調査しました。

彼らは単一のデータタイプを見たわけではありません。地上設置型の望遠鏡（GONG）と宇宙設置型の望遠鏡（SDO/HMI）のマップを比較しました。そして、地球に到達する実際の風速にコンピュータモデルが最もよく一致する天井の高さを特定するために、非常に低いものからかなり高いものまで、さまざまな高さで「天井」をテストしました。

大きな発見：それは「季節」による

研究の結果、「一律のルール」は通用しないことがわかりました。最適な「天井」の高さは、太陽の「季節」によって変化します。

1. 「冬」（太陽極小期）の間： 太陽が静かで穏やかなとき、最適な「天井」は実際には従来のルールよりも高くなります（2.5よりも高い）。
   • 比喩： 穏やかな湖を想像してみてください。空の反射全体を見るためには、より高い梯子に乗る必要があるかもしれません。同様に、太陽が静かなとき、モデルは風速を正しく把握するために、より高い天井を必要とします。
2. 「夏」（太陽極大期）の間： 太陽が嵐のように活発なとき、最適な「天井」は低くなります。
   • 比喩： 大きな波が立つ嵐の海を想像してください。高い梯子の上に立っていると、景色はあまりにも混沌としています。目の前の動きを明確に捉えるには、もっと低くなる必要があります。太陽が活発なとき、低い天井を設定することで、モデルは風をより良く予測できます。

「マップ」も重要である

研究者たちは、すべてのマップが同じ品質ではないことも発見しました。

• 彼らは、地上設置型のGONG観測所から得られた2種類のマップをテストしました。それは「標準（STD）」マップと「ゼロポイント補正（ZPC）」マップです。
• 結果： ZPCマップ（小さな測定誤差を修正するために調整されたもの）は、特に近年において、標準マップよりもはるかに優れた性能を示しました。これは、最新の交通データで更新されたGPSを使用しているのか、それとも古くて静的な地図を使用しているのかの違いのようなものです。
• また、宇宙設置型のマップ（HMI）も、最高の地上マップと同等の性能を持つことがわかり、科学者が信頼できるツールを選択できることを示しました。

なぜこれが重要なのか

この論文は、太陽が現在穏やかであるか嵐の状態であるかに基づいて、この目に見えない「天井」の高さを調整するだけで、太陽風の速度を予測する能力を大幅に向上させることができると結論付けています。

• 教訓： 太陽風を予測するために新しい複雑な機械を用意する必要はありません。ただ、固定されたルールを使うのをやめ、サーモスタットのように「天井」の高さを調整し始めればよいのです。
• 限界： 研究では、最も混沌とした時期（太陽極大期）には、太陽の磁場が乱雑で複雑であるため、「天井」の位置を特定するのが難しいことも指摘しています。しかし、この乱雑さの中でも、一般的な傾向は維持されています。すなわち、静かなときは高い天井、嵐のときは低い天井です。

この研究は、私たちの太陽天気のモデルにおける「サーモスタット」を洗練させるものであり、太陽が強風を吹き荒らそうとするときに、地球に対してより良い警告を発することにつながります。

技術概要

技術要約：太陽周期23、24、および25における太陽風速度予測向上のためのソース表面高度の最適化

問題提起
ポテンシャル磁場ソース表面（PFSS）モデルは、最先端の宇宙天気予報フレームワークにおける基礎的な構成要素であり、王・シーリー・アーグ（WSA）モデルのような経験的太陽風モデルへの入力として機能する。PFSSモデルは、単一の物理的な自由パラメータであるソース表面（SS）高度に依存しているが、これは伝統的に2.5 $R_\odot$に固定されている。これまでの研究では、様々なデータセットや時間間隔を用いてSS高度の最適化を調査してきたが、その多くは短期的解析や特定の太陽周期（SC）のフェーズに焦点を当てたものであった。さらに、初期の取り組みは主にヘリオスフィアの開いた磁束の推定精度向上を目的としており、L1における太陽風速度の直接的な予測を目的としたものではなかった。加えて、複数の太陽周期（具体的にはSC 23、24、25）にわたって、WSAフレームワーク内で統合された際の最適なSS高度がどのように変化するかについての包括的かつ長期的な調査は不足している。さらに、異なるマグネトグラム製品（地上観測のGONG vs. 宇宙観測のSDO/HMI）の性能や、GONGマップにおけるゼロポイント補正（ZPC）がSS最適化に与える具体的な影響についても、さらなる解明が必要である。

手法
著者らは、太陽周期23、24、および25（約2006年〜2026年）にわたる包括的な分析を実施した。本研究では、主に以下の2つのソースから得られたシナプティック磁場マップを利用した：

1. 地上観測： Global Oscillation Network Group（GONG）マップ。特に、標準（STD）版とゼロポイント補正（ZPC）版を比較した。
2. 宇宙観測： 太陽観測衛星SDO/Helioseismic and Magnetic Imager（HMI）の放射状シナプティックマップ。

比較可能性を確保するため、高解像度なHMIマップ（3600 $\times$ 1440）を、GONGの解像度（360 $\times$ 180）に合わせてダウンサンプリングした。本研究は、GONGデータで254回、HMIデータで204回のキャリントン回転（CR）を対象としている。

モデリングのパイプラインは、標準的な手順に従った：

1. PFSS外挿： 太陽コロナ磁場を、PFSSモデルを用いて光球マップからソース表面まで外挿した。本研究では、1.5 $R_\odot$から3.25 $R_\odot$まで0.25 $R_\odot$刻みで計8つの離散的なSS高度をテストした。
2. WSAモデル： 膨張係数（$f_s$）および最も近いコロナホール境界からの角距離（$\theta_b$）に基づき、SSにおける経験的な太陽風速度を推定した。
3. HUX伝播： Heliospheric Upwind eXtrapolation（HUX）モデルを用いて、これらの速度をL1ラグランジュ点へと伝播させた。
4. 検証： L1におけるモデル化された太陽風速度を、OMNIデータベースからのインサイチュ（in-situ）観測値と比較した。最適化の主要な指標は、モデル化された速度と観測された速度の間のピアソンの相関係数（$cc$）とした。「最適化されたSS高度」は、各キャリントン回転において最大$cc$を与える値として定義された。

主な貢献

• 長期的範囲： 本研究は、単一の期間や孤立したサイクルではなく、ほぼ3つの太陽周期（SC23–25）をカバーしており、SS高度の変動に関する最も長期的な調査の一つである。
• マルチソース比較： 太陽風速度のL1における予測という文脈において、GONG ZPCマップ（WSAモデルで広く使用されている）とHMIマップを長期的に比較した初の研究である。
• 粒度の高いサンプリング： わずかな数の離散的なSS高度のみをテストした従来の研究とは異なり、本研究ではより細かいサンプリング（8つの値）を採用し、最適化された高度の分布をより正確に特徴付けた。
• フェーズ別解析： 最適化されたSS高度を、太陽周期の特定のフェーズ（極小期、上昇期、極大期、下降期）と明示的に相関させ、また各フェーズ内の活動期と非活動期を区別して分析した。

結果

• 太陽周期フェーズへの依存性： 最適なSS高度と太陽周期のフェーズの間には、明確な関係が存在する。
  • 太陽極小期／上昇期／下降期： 高いSS高度（$\ge$ 2.5 $R_\odot$）が、L1における太陽風速度の予測において一貫して優れた結果をもたらす。例えば、SC23およびSC24の極小期においては、最適化された高度の分布は$\ge$ 2.5 $R_\odot$の値に大きく偏っており、3.25 $R_\odot$がしばしば最良の適合値となった。
  • 太陽極大期： 活動的なフェーズでは、この傾向は逆転する。低いSS高度（< 2.5 $R_\odot$）が一般により良い予測を提供する。SC25の極大期においては、最適化された分布は低い値（例：HMI/ZPCマップでは1.5–1.75 $R_\odot$）に強く偏った。
• マグネトグラムの性能：
  • GONG ZPC vs. STD： GONG ZPCマップは、特にSC24およびSC25の上昇期において、GONG STDマップよりも一貫して優れた性能を示した。STDマップは、先行文献で報告されている観測上の制限や品質の問題により、性能が低下していた。
  • GONG ZPC vs. HMI： ZPCマップとHMIマップは、全体として同様の性能を示した。しかし、太陽極大期においては、HMIマップはZPCマップと比較して、より低いSS高度への強い偏りを示した。
• 異常値とニュアンス：
  • SC24の極大期において、太陽活動が著しく減少した特定の期間（「局所的な極小期」）があり、そこでは高いSS高度が好まれる傾向が見られた。これは太陽極大期の一般的な傾向とは対照的であった。この期間を除外すると、SC24極大期の全体的な分布は、より低いSS高度へとシフトした。
  • 最適化されたSS高度の分布は、特に太陽極大期において顕著な散らばりを示す。著者らは、この原因として、多極的な活動期におけるPFSSモデル（ポテンシャル磁場を仮定している）の適用限界、および真のソース表面が非球形であることなどを挙げている。

意義と主張
本論文は、SS高度をPFSSモデル内で最適化することで、従来固定されていた2.5 $R_\odot$を用いる場合と比較して、WSA太陽風速度予測モデルのL1における性能が大幅に向上することを主張している。本研究は、最適なSS高度は静的な値ではなく、太陽周期のフェーズに応じて系統的に変化することを示した。すなわち、静穏な太陽条件下では高い値が必要であり、活動的な条件下では低い値が好ましい。

著者らは、絶対的な最適化高度はサイクルやデータセット間で異なるものの、相対的な傾向（極小期には高いSS、極大期には低いSS）は強固であることを強調している。彼らは、これらの知見が、「（多極磁場による横方向の磁気エネルギー密度の急速な減少により）有効なソース表面の高度は太陽極大期には低くなり、太陽極小期には高くなる」という物理的解釈を支持するものであると結論付けている。

本研究は、宇宙天気予報フレームワークを改良するために、可変SS高度戦略（具体的には、太陽極小期付近では2.5 $R_\odot$よりやや高い高度を使用すること）を採用できることを示唆している。ただし、著者らは、PFSSモデルの仮定が活動期における精度を制限していることを謙虚に認め、今後の改善には、太陽大気の本質的に非対称な性質を考慮した、非対称かつ非球形のソース表面モデルが必要になる可能性があると提案している。