Models for Short-Term Forecast of Maximum X-Ray Class of Solar Flares Based on Magnetic Energy of Active Regions

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The accuracy of the M. Aschwanden’s (2020) model for short-term (24 h) prediction of the maximum X-ray class of solar flares based on the power-law dependence on the energy of potential magnetic field of active regions is checked and assessed. For this purpose, a sample of 275 flares (253 M-class and 22 X-class) in isolated active regions on the solar disk in 2010−2023 is analyzed. Magnetic field extrapolations are made in the nonlinear force-free and potential approximations using the GX Simulator based on photospheric vector magnetograms from the Helioseismic Magnetic Imager (HMI) instrument onboard the Solar Dynamics Observatory (SDO). It is found that in 6% of cases Aschwanden’s model underestimates the predicted maximum flare class relative to the observed one (maximal underestimation by 4.4 times). The accuracy of this model (the average ratio of the observed to predicted maximum flare class) is 0.31 ± 0.47. Four other statistical models are proposed, two of which, like Aschwanden’s model, are based on the power-law dependence of the maximum flare class on the energy of potential magnetic field, and the other two are based on the power-law dependence on the free magnetic energy of active regions. These models give fewer (or no) underestimations of the maximum flare class, but two to three times lower forecast accuracy, ranging from 0.11 to 0.17. Additionally, based on the obtained statistical sample, estimates of the limiting X-ray class of solar flares are made. The five models give different limits ranging from ~X14 to ~X250. The realism of these values and the possibility of refining the models by expanding the sample of events is briefly discussed.

全文:

受限制的访问

作者简介

I. Zimovets

Space Research Institute of the Russian Academy of Sciences

编辑信件的主要联系方式.
Email: ivanzim@cosmos.ru
俄罗斯联邦, Moscow

I. Sharykin

Space Research Institute of the Russian Academy of Sciences

Email: ivan.sharykin@phystech.edu
俄罗斯联邦, Moscow

参考

  1. Ишков В.Н. Прогноз солнечных вспышечных явлений: солнечные протонные события // Изв. РАН. Сер. физич. T. 87. № 7. С. 1010–1013. 2023. https://doi.org/10.31857/S0367676523701788
  2. Нечаева А.Б., Зимовец И.В., Зубик В.С., Шарыкин И.Н. Эволюция характеристик вертикального электрического тока и магнитного поля в активных областях Солнца и их связь с мощными вспышками // Геомагнетизм и аэрономия. Т. 64. № 2. С. 175–198. 2024.
  3. Прист Э.Р. Солнечная магнитогидродинамика. Москва: Мир, 592 с. 1985.
  4. Aschwanden M.J. Global energetics of Solar Flares. XI. Flare magnitude predictions of the GOES class // Astrophys. J. V. 897. № 1. ID 16. 2020. https://doi.org/10.3847/1538-4357/ab9630
  5. Belov A. Properties of solar X-ray flares and proton event forecasting // Adv. Space Res. V. 43. № 4. P. 467−473. 2009. https://doi.org/10.1016/j.asr.2008.08.011
  6. Bobra M.G., Couvidat S. Solar flare prediction using SDO/HMI vector magnetic field data with a machine-learning algorithm // Astrophys. J. V. 798. № 2. ID 135. 2015. https://doi.org/10.1088/0004-637X/798/2/135
  7. Brodrick D., Tingay S., Wieringa M. X-ray magnitude of the 4 November 2003 solar flare inferred from ionospheric attenuation of the galactic radio background // J. Geophys. Res. – Space. V. 110. № 9. ID A09S36. 2005. https://doi.org/10.1029/2004JA010960
  8. Cliver E.W., Schrijver C.J., Shibata K., Usoskin I.G. Extreme solar events // Living Rev. Sol. Phys. V. 19. № 1. ID 2. 2022. https://doi.org/10.1007/s41116-022-00033-8
  9. Emslie A.G., Dennis B.R., Shih A.Y., Chamberlin P.C., Mewaldt R.A., Moore C.S., Share G.H., Vourlidas A., Welsch B.T. Global energetics of thirty-eight large solar eruptive events // Astrophys. J. V. 759. № 1. ID 71. 2012. https://doi.org/10.1088/0004-637X/759/1/71
  10. Fleishman G., Anfinogentov S., Loukitcheva M., Mysh’yakov I., Stupishin A. Casting the coronal magnetic field reconstruction tools in 3D using the MHD Bifrost model // Astrophys. J. V. 839. № 1. ID 30. 2017. https://doi.org/10.3847/1538-4357/aa6840
  11. Georgoulis M.K., Yardley S.L., Guerra J.A. et al. Prediction of solar energetic events impacting space weather conditions // Adv. Space Res. 2024. (in press). https://doi.org/10.1016/j.asr.2024.02.030
  12. Guo Y., Cheng X., Ding M.D. Origin and structures of solar eruptions. II. Magnetic modeling // Sci. China Earth Sci. V. 60. № 8. P. 1408−1439. 2017. https://doi.org/10.1007/s11430-017-9081-x
  13. Guo Y., Ding M.D., Wiegelmann T. 3D magnetic field configuration of the 2006 December 13 flare extrapolated with the optimization method // Astrophys. J. V. 679. № 2. P. 1629−1635. 2008. https://doi.org/10.1086/587684
  14. Inoue S., Hayashi K., Kusano K. Structure and stability of magnetic fields in solar active region 12192 based on nonlinear force-free field modeling // Astrophys. J. V. 818. № 2. ID 168. 2016. https://doi.org/10.3847/0004-637X/818/2/168
  15. Katsova M.M., Obridko V.N., Sokoloff D.D., Livshits I.M. Solar and stellar flares: frequency, active regions and stellar dynamo // Astrophys. J. V. 936. № 1. ID 49. 2022. https://doi.org/10.3847/1538-4357/ac85e3
  16. Mahajan K.K., Lodhi N.K., Upadhayaya A.K. Observations of X-ray and EUV fluxes during X-class solar flares and response of upper ionosphere // J. Geophys. Res. – Space. V. 115. № 12. ID A12330. 2010. https://doi.org/10.1029/2010JA015576
  17. Muller D., Nicula B., Felix S. et al. JHelioviewer. Time-dependent 3D visualization of solar and heliospheric data // Astron. Astrophys. V. 606. ID A10. 2017. https://doi.org/10.1051/0004-6361/201730893
  18. Nita G.M., Fleishman G.D., Kuznetsov A.A., Anfinogentov S.A., Stupishin A.G., Kontar E.P., Schonfeld S.J., Klimchuk J.A., Gary D.E. Data-constrained solar modeling with GX Simulator // Astrophys. J. Suppl. S. V. 267. № 1. ID 6. 2023. https://doi.org/10.3847/1538-4365/acd343
  19. Priest E.R., Forbes T.G. The magnetic nature of solar flares // Astron. Astrophys. Rev. V. 10. № 4. P. 313−377. 2002. https://doi.org/10.1007/s001590100013
  20. Rudenko G.V., Myshyakov I.I. Analysis of reconstruction methods for nonlinear force-free fields // Sol. Phys. V. 257. № 2. P. 287−304. 2009. https://doi.org/10.1007/s11207-009-9389-7
  21. Sakurai T. Probability distribution functions of solar and stellar flares // Physics. V. 5. № 1. P. 11−23. 2023. https://doi.org/10.3390/physics5010002
  22. Scherrer P.H., Schou J., Bush R.I. et al. The Helioseismic and Magnetic Imager (HMI) Investigation for the Solar Dynamics Observatory (SDO) // Sol. Phys. V. 275. № 1−2. P. 207−227. 2012. doi: 10.1007/s11207-011-9834-2
  23. Sharykin I.N., Zimovets I.V., Myshyakov I.I., Meshalkina N.S. Flare energy release at the magnetic field polarity inversion line during the M1.2 solar flare of 2015 March 15. I. Onset of plasma heating and electron acceleration // Astrophys. J. V. 864. № 2. ID 156. 2018. https://doi.org/10.3847/1538-4357/aada15
  24. Sharykin I.N., Zimovets I.V., Myshyakov I.I. Flare energy release at the magnetic field polarity inversion line during the M1.2 solar flare of 2015 March 15. II. Investigation of photospheric electric current and magnetic field variations using HMI 135 s vector magnetograms // Astrophys. J. V. 893. № 2. ID 159. 2020. https://doi.org/10.3847/1538-4357/ab84ef
  25. Shibata K., Isobe H., Hillier A. et al. Can superflares occur on our Sun? // Publ. Astron. Soc. Jpn. V. 65. № 3. ID 49. 2013. https://doi.org/10.1093/pasj/65.3.49
  26. Sun X., Bobra M.G., Hoeksema J.T., Liu Y., Li Y., Shen C., Couvidat S., Norton A.A., Fisher G.H. Why is the great solar active region 12192 flare-rich but CME-poor? // Astrophys. J. V. 804. № 2. ID L28. 2015. https://doi.org/10.1088/2041-8205/804/2/L28
  27. Thalmann J.K., Tiwari S.K., Wiegelmann T. Comparison of force-free coronal magnetic field modeling using vector fields from Hinode and Solar Dynamics Observatory // Astrophys. J. V. 769. № 1. ID 59. 2013. https://doi.org/10.1088/0004-637X/769/1/59
  28. Thalmann J.K., Su Y., Temmer M., Veronig A.M. The confined X-class flares of solar active region 2192 // Astrophys. J. Lett. V. 801. № 2. ID L23. 2015. https://doi.org/10.1088/2041-8205/801/2/L23
  29. White S.M., Thomas R.J., Schwartz R.A. Updated expressions for determining temperatures and emission measures from GOES soft X-ray measurements // Sol. Phys. V. 227. № 2. P. 231−248. 2005. https://doi.org/10.1007/s11207-005-2445-z
  30. Wiegelmann T., Sakurai T. Solar force-free magnetic fields // Living Rev. Sol. Phys. V. 9. № 1. ID 5. 2012. https://doi.org/10.12942/lrsp-2012-5
  31. Zimovets I., Sharykin I., Myshyakov I. Quasi-periodic energy release in a three-ribbon solar flare // Sol. Phys. V. 296. № 12. ID 188. 2021. https://doi.org/10.1007/s11207-021-01936-9

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Dependence of the observed daily maximum X-ray class of a solar flare on the potential magnetic field energy in the parent active region and short-term flare prediction models: A (dashed line), Z1 (dotted line), Z2 (dashed line). Small black asterisks are flares in 2010-2017 (cycle 24) and gray asterisks are flares in 2021-2023 (cycle 25). NOAA active area number and McIntosh class are indicated. Marginal flare class estimates are shown with a large triangle, diamond, and cross as the intersection of models A, Z1, Z2, respectively, with a vertical dashed line on the right.

下载 (60KB)
索引源数据
3. Fig. 2. Dependence of the ratio of the observed to predicted maximum solar flare class on the observed maximum class for models A (asterisks), Z1 (rhombuses), and Z2 (triangles). The mean values of the ratios (plus and minus standard deviations) for models A, Z1, and Z2 are shown by horizontal dashed, dashed, and dashed lines, respectively.

下载 (59KB)
索引源数据
4. Fig. 3. Dependence of the observed daily maximum X-ray class of a solar flare on the free magnetic energy in the parent active region and short-term flare prediction models: Z3 (dashed line), Z4 (dashed line). Black small stars are flares in 2010-2017 (cycle 24), gray small stars are flares in 2021-2023 (cycle 25). NOAA active area number and McIntosh class are indicated. Marginal flare class estimates are shown in large rhombuses as the intersection of models Z3, Z4 with a vertical dashed line on the right.

下载 (65KB)
索引源数据
5. Fig. 4. Dependence of the ratio of the observed to predicted maximum solar flare class on the observed maximum class for models A (asterisks), Z3 (rhombuses), and Z4 (triangles). The mean values of the ratios (plus and minus standard deviations) for models A, Z3, and Z4 are shown by horizontal dashed, dashed, and dashed lines, respectively.

下载 (58KB)
索引源数据
6. Fig. 5. Dependences of the magnetic energy of the nonlinear force-free field on the potential magnetic field energy (a), the free magnetic energy on the potential field energy (b), and on the nonlinear force-free field energy (c) in the active regions for the considered sample of flares. The dashed straight line is the y = x line. The small squares in (a) are cases with negative magnetic free energy (about 8.7%). On (d) and (e) are the dependences of the ratio of the free magnetic energy to the potential and nonlinear force-free field energy, respectively.

下载 (65KB)
索引源数据
7. Fig. 6. Dependences of the observed daily maximum class of the solar flare in the active region on its characteristics: (a) - the number of sunspots, (b) - the area of sunspots, (c) - the angular longitude size of a group of sunspots, (d) - the unsigned flux of the vertical component of the magnetic field vector on the photosphere, (e) - the unsigned “flux” of the horizontal field on the photosphere, (e) - unsigned vertical current on the photosphere, (f) - energy of the nonlinear force-free magnetic field, (g, h) - ratios of the free magnetic energy to the energy of the potential and nonlinear force-free magnetic field, respectively.

下载 (91KB)
索引源数据

版权所有 © Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».