Multi-Thermal CME Detection with ALMANAC

Resumo Técnico: Detecção de CME Multi-Térmica com o ALMANAC

Definição do Problema
A identificação confiável das origens de baixa corona das Ejeções de Massa Coronal (CMEs) permanece uma limitação crítica na previsão do tempo espacial. Os catálogos tradicionais baseados em coronógrafos (ex: CDAW, CACTus) tipicamente detectam CMEs apenas após estas se propagarem para 2–6 raios solares, perdendo assinaturas de baixa corona e atividade precursora. Além disso, observações de ponto de vista único sofrem com efeitos de projeção, e métodos de detecção automatizados frequentemente enfrentam dificuldades com artefatos instrumentais, ambiguidades de projeção e a incapacidade de distinguir entre eventos eruptivos e variabilidade coronal não eruptiva. O algoritmo original ALMANAC (Automated Detection of CoronaL MAss Ejecta origiNs for Space Weather AppliCations) abordou a detecção de baixa corona usando um único canal EUV, mas era limitado por efeitos de projeção, sensibilidade de limiar e detecções espúrias causadas por artefatos instrumentais.

Metodologia
Os autores apresentam uma implementação multi-térmica reengenheirada do algoritmo ALMANAC, totalmente reimplementada em Python para aproveitar a computação paralela e bibliotecas científicas modernas. O fluxo de trabalho opera em observações EUV do SDO/AIA em sete comprimentos de onda (94, 131, 171, 193, 211, 304 e 335 Å) e procede através de cinco estágios primários:

1. Aquisição e Pré-processamento de Dados: Dados sinópticos ou de tempo quase real do AIA são recuperados, normalizados pela exposição e rebinados. Uma média temporal contínua é computada para cada pixel usando um esquema de preenchimento reflexivo (reflective padding). Um cubo de razão normalizado ($R$) é gerado dividindo o desvio absoluto da média contínua pela mediana temporal desse desvio, efetivamente suprimindo estruturas coronais estáticas enquanto realça assinaturas transientes.
2. Detecção de Canal Único: Regiões eruptivas candidatas são identificadas em cada comprimento de onda de forma independente via limiarização espaço-temporal. As regiões são filtradas por tamanho (mínimo de 1000 pixels excedendo $R=2$) e suavizadas espacial e temporalmente para garantir continuidade. A rotulagem de componentes conectados identifica regiões candidatas, que são descartadas se caírem abaixo de um volume de voxel mínimo (6000) ou duração (18 minutos).
3. Agrupamento Espaço-Temporal: Para associar detecções entre comprimentos de onda, todos os centroides de canal único são agregados em um cubo de dados 3D espaço-temporal. O agrupamento (binning) espacial e temporal agrupa detecções que estão próximas no tempo e no espaço. A rotulagem de componentes conectados tridimensionais (6-conectada) identifica clusters contíguos de voxels ocupados. Os clusters devem atender a um número mínimo de voxels ($N_{vox,min} = 4$) para serem retidos, filtrando ruído isolado ou artefatos específicos de canal.
4. Determinação da Origem: Para cada cluster validado, coordenadas de origem heliográficas são derivadas coletando todos os centroides associados. A filtragem estatística robusta (usando o Intervalo Interquartil) remove outliers, e a média das coordenadas restantes define a localização da fonte final. O tempo de início é definido pelo primeiro quadro contendo um voxel válido no cubo de agrupamento.
5. Sinergia com Topologia (ARTop): O framework integra-se ao código de Topologia de Região Ativa (ARTop) para analisar o enrolamento magnético e as densidades de fluxo de helicidade derivadas de magnetogramas vetoriais do HMI. O estudo examina especificamente componentes de "corrente portadora" dessas quantidades topológicas para identificar assinaturas pré-eruptivas.

Principais Contribuições

• Arquitetura Multi-Térmica: A transição de um sistema de canal único para um sistema de múltiplos comprimentos de onda melhora a robustez contra efeitos de projeção e artefatos instrumentais ao exigir coincidência multicanal para a validação do evento.
• Agrupamento Espaço-Temporal: Um novo esquema de agrupamento funde detecções entre canais, reduzindo significativamente a bifurcação de eventos (onde um único evento é dividido em múltiplas detecções) e melhorando a coerência da identificação da região de origem.
• Análise de Séries Temporais de Curtose: Os autores introduzem o cálculo da curtose para as distribuições de intensidade e razão em todos os canais AIA. Eles demonstram que estas métricas estatísticas exibem picos pré-eruptivos recorrentes que frequentemente se alinham com incrementos no enrolamento magnético e na injeção de helicidade.
• Escalabilidade Operacional: A reimplementação em Python permite o processamento paralelo, reduzindo o tempo total de processamento para uma janela de 8 horas (incluindo agrupamento e geração de filme) para aproximadamente 132 segundos em um desktop padrão, facilitando o monitoramento em tempo quase real.

Resultos

• Benchmarking: Ao ser testado contra 20 CMEs de halo do catálogo CDAW, o ALMANAC multi-térmico alcançou uma precisão de associação de eventos efetiva de 65% (43 detecções), uma melhoria marginal sobre a precisão de 63% da versão de canal único. A discrepância temporal média com o CDAW foi de $40,4 \pm 30,2$ minutos, e a discrepância espacial média foi de $11,9 \pm 11,6^\circ$. Ao excluir outliers (eventos com erupções simpáticas ou erupções de filamento sem assinaturas de raios-X), estas discrepâncias reduziram-se para $27,9 \pm 14,9$ minutos e $8,7 \pm 4,8^\circ$.
• Discriminação de Eventos: A abordagem multi-térmica distinguiu com sucesso entre erupções distintas que apareciam como detecções bifurcadas na análise de canal único (por exemplo, separando dois CMEs distintos associados ao Índice CDAW 5).
• Assinaturas Pré-Eruptivas: Nas regiões ativas AR 11158 e AR 12673, os picos de curtose frequentemente precederam atividade solar importante, incluindo flares de classe X e CMEs. Estes picos frequentemente se alinharam com aumentos no enrolamento magnético e na injeção de helicidade. Em contraste, a região magneticamente calma AR 12699 exibiu valores de curtose uma ordem de magnitude menores, sem picos pré-eruptivos significativos.
• Detecção de Eventos Perdidos: O algoritmo atualizado detectou com sucesso uma CME associada à AR 11875 que o ALMANAC original de canal único falhou em identificar, detectando precursores de micro-flares antes das assinaturas de enrolamento magnético fotossférico reportadas em estudos anteriores.

Significância e Alegações
O artigo afirma que o framework ALMANAC multi-térmico aumenta significativamente a interpretabilidade e a aplicabilidade operacional da detecção automatizada de CMEs. Ao integrar respostas de temperatura complementares, o método fornece uma separação mais clara de erupções de variabilidade coronal não eruptiva e reduz a fragmentação de eventos. Os autores postulam que a integração de diagnósticos estatísticos coronais (curtose) com a topologia magnética fotossférica oferece um caminho para uma melhor previsão de erupções. Especificamente, os picos recorrentes de curtose pré-eruptiva sugerem um potencial para capacidades de alerta precoce que podem preceder eventos ainda não capturados em catálogos de coronógrafos de luz branca. O estudo conclui que, embora o método não seja perfeito e ainda sofra certa sensibilidade a artefatos instrumentais e lacunas de dados, ele fornece uma ferramenta escalável e fisicamente fundamentada tanto para análise retrospectiva quanto para o monitoramento do tempo espacial em tempo quase real, particularmente quando acoplado a diagnósticos de topologia magnética.