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

Technische Samenvatting: Analyse van Korte-termijn Variabiliteit in Zonneactiviteit en Schatting van de Timing van de Volgende Versterkte Uitbarstingen

Probleemstelling
Zonneactiviteit vertoont variabiliteit over meerdere tijdschalen. Hoewel de decenniale zonnecyclus (SC) goed gekarakteriseerd is en dagelijkse vlammen/CME-gebeurtenissen op korte tijdschalen grotendeels onvoorspelbaar zijn, bestaat er een kritieke lacune in het voorspellen van variabiliteit op intermediaire schalen (weken tot maanden). Het artikel identificeert "ruimtetweer-seizoenen"—kwasi-periodieke versterkte activiteitsuitbarstingen met een duur van 6–18 maanden—als een belangrijke drijvende kracht achter gevaarlijke ruimtetweer (bijv. grote vlammen en coronale massa-uitbarstingen). Huidige operationele voorspellingen richten zich op zeer korte tijdschalen (uren tot dagen) of de amplitude van de decenniale cyclus, waardoor intermediaire uitbarstingen onbehandeld blijven. De auteurs merken op dat hoewel fysische modellen (bijv. MHD-ondiep-water-tachocline-modellen en dynamo-modellen) het bestaan van deze kwasi-jaarlijkse perioden verklaren via mechanismen zoals Tachocline Nonlineaire Oscillaties (TNO's), ze de parameterprecisie missen om de specifieke timing, amplitude en hemisferische volgorde van individuele uitbarstingen te voorspellen.

Methodologie
De auteurs stellen een nieuwe hybride voorspellingstrategie voor die numerieke, statistische en machine learning-technieken integreert om deze uitbarstingen te voorspellen aan de hand van maandelijkse gesmoothde zonvlekkengetallen (SSN) van 1878 tot 2025. De methodologie verloopt in drie distincte stappen:

1. Detectie en Karakterisering van Uitbarstingen (Gaussische Fitting):

   • Hemisferische SSN-gegevens worden gesmoothd met een 4-maands Gaussische kern om subjaarlijkse structuren te isoleren en ruis op maand-schaal te filteren.
   • Versterkte uitbarstingen worden gedefinieerd als enkellobbige versterkingen met een duur van 6–18 maanden en een piek-SSN $\ge$ 10.
   • Een Gaussisch profiel met een lineaire achtergrond wordt aangepast aan geïdentificeerde uitbarstingen om sleutelparameters te extraheren: piektijd, amplitude, Full Width at Half Maximum (FWHM) en duur.
   • Kernel Density Estimation (KDE) wordt gebruikt om de statistische verdelingen van uitbarstingsamplitudes en -duren te analyseren over de Noordelijke en Zuidelijke Halfronden en verschillende SC-fases.

2. Statistische Baseline Voorspelling (SARIMA):

   • Afzonderlijke Seasonal Autoregressive Integrated Moving Average (SARIMA)-modellen worden ontwikkeld voor de Noordelijke en Zuidelijke Halfronden om de onderliggende cyclische trends en seizoenspatronen vast te leggen.
   • Modelparameters worden geoptimaliseerd met behulp van het Akaike Informatie Criterium (AIC).
   • Noordelijk Halfrond: Het optimale model is SARIMA (3, 0, 5) $\times$ (2, 1, 0) met een seizoensperiode van 9 maanden.
   • Zuidelijk Halfrond: Het optimale model is SARIMA (3, 0, 1) $\times$ (2, 1, 0) met een seizoensperiode van 10 maanden.
   • Om rekening te houden met de afname na de piek van SC25, wordt een multiplicatief vervalfactor (20% reductie elke 12 maanden) toegepast op de baseline-voorspellingen.

3. Machine Learning Uitbarstingsinjectie (Random Forest):

   • Een Random Forest (RF) regressiemodel wordt getraind op een catalogus van ~300 historische uitbarstingen om uitbarstingsamplitude en -duur te voorspellen.
   • Invoervoorwaarden omvatten vertraagde maandelijkse SSN's (1–5 maanden voor de uitbarsting) en een halfrond-indicator.
   • Het RF-model geeft voorspelde amplitudes en duren uit, die vervolgens worden ingebracht als asymmetrische Gaussische enveloppen op de SARIMA-baseline-voorspellingen.

Belangrijkste Resultaten
Het hybride model slaagt erin om uitbarstingsgebeurtenissen voor de huidige Zonnecyclus 25 (SC25) te hindcasten en te voorspellen:

• Noordelijk Halfrond:
  • Hindcast (nov 2024 – mei 2025): Het model identificeert een uitbarsting met een piek in maart 2025 met een SSN van $\sim$70.
  • Voorspelling: Een daaropvolgende uitbarsting wordt voorspeld voor december 2025 met een iets lagere amplitude van $\sim$60 SSN.
• Zuidelijk Halfrond:
  • Gedrag: Vertoont complexer gedrag met meerdere amplitudes. Een hoofduitbarsting wordt geïdentificeerd die begint eind 2024, met een piek in maart–april 2025 met een hoge amplitude van 130–140 SSN.
  • Voorspelling: Een tertiaire uitbarsting wordt voorspeld voor januari 2026 met een amplitude van $\sim$120 SSN.
• Totale Schijf:
  • Het gecombineerde totale SSN wordt voorspeld om te pieken op $\sim$205–210 in maart–april 2025, gevolgd door een plateau op $\sim$170–175 tot eind 2025 voordat een geleidelijke afname optreedt.
• Modelprestaties:
  • Het RF-model behaalt een $R^2$-score van 0,748 voor amplitudevoorspelling, met een Mean Absolute Error (MAE) van 12,60 SSN.
  • De SARIMA-modellen tonen hemisferische asymmetrie in optimale parameters, wat de regelmatige korte-termijnfluctuaties van het Noordelijk Halfrond reflecteert versus de gepunctueerde, hoog-amplitude pieken van het Zuidelijk Halfrond.

Betekenis en Beweringen
Het artikel claimt een "kritieke lacune" in operationele ruimtetweer-voorspelling aan te pakken door levertijden van weken tot maanden te bieden voor "ruimtetweer-seizoenen". De auteurs stellen dat hun hybride benadering het fysisch gemotiveerde concept van TNO's succesvol vertaalt naar een hanteerbare, datagedreven workflow.

Belangrijke bijdragen die door de auteurs worden benadrukt, zijn:

• Hybride Kader: De succesvolle koppeling van SARIMA-baselines met machine learning-afgeleide uitbarstingsinjecties maakt de resolutie mogelijk van kwasi-seizoensgebonden uitbarstingen (2–20 maanden) die traditionele decenniale voorspellingen missen.
• Hemisferische Asymmetrie: De studie modelleert expliciet de distincte dynamische gedragingen van het Noordelijke en Zuidelijke Halfrond, met de vaststelling dat het Zuidelijk Halfrond de totale SSN-activiteit in de huidige cyclus domineert.
• Kwantificering van Onzekerheid: Het kader incorporateert statistische betrouwbaarheidsintervallen (95% CI) voor de SARIMA-baseline en heuristische onzekerheidsschattingen voor de door RF voorspelde uitbarstingen, waardoor een probabilistisch voorspellingsproduct wordt geboden.
• Operationele Nut: Door de timing en amplitude van deze intermediaire uitbarstingen te voorspellen, beoogt de methode voldoende levertijd te bieden voor de samenleving om zich voor te bereiden op de impact van versterkte zonneactiviteit, onderscheiden van de onvoorspelbaarheid van dagelijkse vlammengebeurtenissen.

De auteurs handhaven dat hoewel fysische modellen het mechanisme van deze uitbarstingen verklaren, hun datagedreven hybride aanpak momenteel de meest effectieve methode is om de specifieke voorkomen en grootte van deze gebeurtenissen te voorspellen.