A Catalog of Automatically Identified Multi-Signature ICMEs Observed by Solar Orbiter

問題提起

惑星間コロナ質量放出（ICME）は宇宙天気における重要な要因であるが、そのインサイチュ（in-situ）観測におけるシグネチャの多様性と、普遍的な検出基準の欠如により、その特定は依然として困難な課題となっている。歴史的に、ICMEカタログは磁場およびプラズマデータの専門家による目視検査を通じて作成されてきた。この手動のアプローチは、主観性や観測者間の変動、そしてカタログ間の重大な不一致（例えば、Richardson 2014は、同じUlyssesデータセットを用いたカタログ間でわずか36%の重複しか見出さなかった）をもたらしている。さらに、既存のカタログの多くは磁場シグネチャに大きく依存しており、磁気雲（MC）への検出を偏らせる可能性があり、非MC型のICMEや磁場回転が弱いイベントを見逃す可能性がある。加えて、自動化された再現可能な手法の欠如は、機械学習アプリケーションへの適用や、データ駆動型のCME進化モデルの開発に必要な、信頼性の高いラベル付きデータセットの作成を妨げている。

手法

著者らは、Solar Orbiterミッション（2020年1月～2025年2月）からの高解像度インサイチュ観測を利用した、自動ICME検出アルゴリズムを開発した。この手法は、以下の3つの柱に基づいている。

1. 距離正規化（Distance-Normalization）: Solar Orbiterの広い軌道範囲（0.3–1 au）を考慮するため、アルゴリズムはプラズマおよび磁場パラメータを1 auに正規化する。データから導出された冪乗則フィット（例：$n_p \sim r^{-1.9}$, $T_p \sim r^{-0.7}$）を用いることで、著者らは背景となる放射状の傾向を取り除き、太陽圏内全域で一様な検出閾値を可能にした。
2. スライディングウィンドウによるマルチシグネチャ検出: アルゴリズムは、候補区間を特定するために、36時間のスライディングウィンドウ（1時間のステップ）を用いてデータをスキャンする。
   • 前処理フィルタ（Pre-filters）: 候補は、強化された磁場（$\ge 7$ nT）および低いプラズマ $\beta$（$< 0.8$）を示す必要がある。
   • 非MC型ICME: 6つのシグネチャのうち少なくとも3つが存在する場合に特定される：強化された磁場、異常に低い陽子温度（$T_{norm}/T_{exp} < 0.5$）、低い正規化プラズマ $\beta$（$\le 0.1$）、減少する速度プロファイル、有意な磁場方向の変化（$\ge 45^\circ$）、または低い磁場分散。
   • 磁気雲（MCs）: 滑らかで大規模な磁場回転を通じて特定される。アルゴリズムは、磁場の滑らかさ（$R^2$）と大きさの変化（$\Delta B$）を評価するために、二次および線形回帰を使用する。イベントは「Good-MC」（厳格な基準）または「Complex flux rope」（無秩序な構造に対する緩和された基準）として分類される。
   • ショックおよびシース（Sheaths）: ショックは、磁場（$|B|_{down}/|B|_{up} \ge 1.2$）、密度、および速度（$\Delta V \ge 20$ km s$^{-1}$）の急激なジャンプを通じて検出される。シースは、高プラズマ $\beta$、高密度/高温、および高分散によって確認される、ショックとICMEの前縁の間の乱流領域として定義される。
3. 階層的結合（Hierarchical Merging）: 重複する候補区間は、シグネチャの品質の階層（例：「Good-MC」は「Complex flux rope」よりも優先される）に基づいて結合され、クリーンで冗長性のないカタログを作成する。
4. 検証: カタログは、外部リスト（ICMECATおよびLASSOS）に対して検証され、重イオン組成データ（2022年1月–2023年4月利用可能）と照合され、重イオンのシグネチャ（例：$O^{7+}/O^{6+}$, $\langle Q_{Fe} \rangle$）を検証した。

主な貢献

• 包括的なカタログ: 本研究は、Solar Orbiterによって観測された138個のICMEからなるカタログを提示しており、そのうち55%はショックを伴うイベント（シースを伴う）、45%は非ショックイベントである。
• サブ構造の解像: 従来の多くのカタログとは異なり、本研究は前方のショック、乱流シース、および放出物（MCまたは非MC）という3つの明確なサブ構造を明示的に特定し、特徴付けている。
• 自動化フレームワーク: 本論文は、主観性を最小限に抑える、完全に自動化された距離不変のフレームフレームワークを提供しており、継続的な更新を可能にし、機械学習のためのデータセット作成を容易にする。
• 組成の統合: カタログは、一部のイベントについて重イオン組成データを統合し、インサイチュのプラズマ特性とコロナのソース条件を結びつけている。

主な結果

• 放射状の進化: 本研究は、陽子温度が距離とともに準断熱的に減少すること、密度がほぼ球状の放射状減少（$n_p \propto r^{-1.9}$）に従うこと、および動圧が急激に低下することを裏付けており、これは太陽圏内でのICMEの強力な膨張を示唆している。磁場の放射状依存性は、パーカー・スパイラル（Parker spiral）の予測よりも緩やかである。
• シースの有無によるダイナミクス:
  • シースを伴うICMEは、伴わないものと比較して、平均して長さが27%長く、磁化が68%強く、速度が30%速く、温度が2.6倍高く、密度が34%高く、そして過圧が2.8倍高い。
  • シースを伴うイベントは、96%速く膨張する。
  • シースを伴うイベントにおいて、ICMEの膨張速度とサイズおよび速度との間には強い相関があり、シースのダイナミクスが過圧状態の放出物を維持していることを示唆している。
• 太陽周期との相関: ICMEの頻度は、太陽黒点数との相関係数 $\approx 0.73$ で太陽周期25の上昇を追跡している。ショックを伴うICMEのピーク（2024年）は、非ショック型のピーク（2023年）よりも遅く、これは高速なCMEが活動極大期にショックを駆動することと一致している。
• 組成シグネチャ:
  • HISデータを持つ32のイベントについては、約30%のみが $O^{7+}/O^{6+} \approx 1$ の基準を満たしており、この比率が太陽極小期/上昇期において普遍的な識別子ではないことを示している。
  • 対照的に、鉄ベースの指標（$\langle Q_{Fe} \rangle$, $Fe^{16+}/Fe$, Fe/O）は、ICMEの**50–65%**を特定しており、これらが高いコロナ電子温度を持つ領域に由来する「ホットな」ICMEのより堅牢なマーカーであることを示唆している。
  • 重ね合わせエポック解析（Superposed epoch analysis）は、重イオンシグネチャが高温のICMEの磁気雲区間内で特異的に強化されていることを確認しており、アルゴリズムの境界検出の妥当性を検証している。

意義と主張

著者らは、このカタログがインサイチュ観測とCMEソース条件の間の溝を埋める、高忠実度でサブ構造が解明されたデータセットを提供すると主張している。手動の、磁場のみに依存した特定から脱却することで、本研究は以下の通り、物理的根拠に基づいたフレームワークを提供している。

1. 主観性の低減: ICME特定のための再現可能な手法を提供し、専門家によるカタログで見られる不一致に対処する。
2. 高度なモデリングの実現: 一貫したラベル付きデータセットは、機械学習アプリケーションやCME進化のデータ駆動型モデルに適している。
3. ダイナミクスと組成の結合: 重イオンデータと運動学的プロファイルを統合することで、コロナの加熱および電離条件がどのようにインサイチュのICME特性へと変換されるかについての理解を深める。
4. マルチミッション分析の促進: 距離正規化アプローチにより、確立された1 auカタログとの直接比較が可能になり、マルチミッションICMEカタログの作成を支援する。

本論文は、「グラウンドトゥルース（正解）」の欠如により、手法的な選択（シグネチャ、閾値）が常にカタログ間の系統的な差異を駆動することに注意を促して締めくくられている。しかし、本研究は将来の比較研究および宇宙天気分析のための強固なベースラインを確立している。