[論文レビュー] Prediction of Sunspot Cycles by Data Assimilation Method

Irina Kitiashvili, А. Г. Косовичев|arXiv (Cornell University)|Jul 21, 2008

Solar and Space Plasma Dynamics被引用数 39

ひとこと要約

本論文では、低モード非線形ダイナモモデルと観測された sunspot number データを統合することで、太陽黒spot周期の強度を予測を改善するため、アンサンブルカルマンフィルタ（EnKF）データ同化手法の使用を提案する。この手法は、不確実なモデル状態を推定し、将来の太陽活動を予測し、太陽黒spot周期24が周期23に比べて約30%弱くなると予測しており、平滑化された年間黒spot数のピークは約80である。

ABSTRACT

Despite the known general properties of the solar cycles, a reliable forecast of the 11-year sunspot number variations is still a problem. The difficulties are caused by the apparent chaotic behavior of the sunspot numbers from cycle to cycle and by the influence of various turbulent dynamo processes, which are far from understanding. For predicting the solar cycle properties we make an initial attempt to use the Ensemble Kalman Filter (EnKF), a data assimilation method, which takes into account uncertainties of a dynamo model and measurements, and allows to estimate future observational data. We present the results of forecasting of the solar cycles obtained by the EnKF method in application to a low-mode nonlinear dynamical system modeling the solar $αΩ$-dynamo process with variable magnetic helicity. Calculations of the predictions for the previous sunspot cycles show a reasonable agreement with the actual data. This forecast model predicts that the next sunspot cycle will be significantly weaker (by $\sim 30%$) than the previous cycle, continuing the trend of low solar activity.

研究の動機と目的

• 混沌とした挙動と太陽ダイナモ過程の不完全な理解のため、11年周期の太陽黒spot周期を信頼性高く予測するという継続的な課題に対処する。
• 従来のダイナモモデルと観測データの限界を、データ同化フレームワークを通じて克服する。
• モデルパラメータ、初期条件、観測測定値の不確実性を考慮する、堅牢な予測手法を開発する。
• 歴史的黒spotデータと簡略化されたダイナモモデルを用いて、EnKFを用いた太陽黒spot周期の振幅とタイミングの予測可能性を検証する。
• モデル解と観測された太陽黒spot周期との位相ずれに対する予測の感度を調査する。

提案手法

• 変動する磁気ホリシティを有する低モード非線形的太陽αΩダイナモモデルに、年間黒spot数観測データをアンサンブルカルマンフィルタ（EnKF）を用いて同化する。
• 初期条件およびモデルパラメータの不確実性を表現するために、モンテカルロシミュレーションを用いてモデル状態のアンサンブルを生成する。
• アンサンブルから予測誤差共分散行列を計算し、モデル予測の不確実性を推定する。
• 測定関数 M[ψ] を介して、モデル予測と観測データを組み合わせるカルマンゲイン行列を用いて、モデル状態を更新する。
• 3段階のプロセスを実施する：(1) 歷史的データを用いた過去の周期の分析、(2) 最後の観測データポイントから基準解を生成する、(3) 乱雑な観測を模擬して、将来的な周期行動を予測する。
• 予測精度を向上させるために、基準モデル解の位相を観測された太陽周期の位相よりもわずかに先行するように補正する。

実験結果

リサーチクエスチョン

• RQ1 EnKFによるデータ同化は、従来のダイナモモデルに比べて、太陽黒spot周期の予測精度を向上させることができるか？
• RQ2 モデル解と観測された太陽周期の進行との間の位相ずれに対する予測は、どの程度感度が高いか？
• RQ3 周期の終了時期の不確実性と観測データの不確実性が、予測の信頼性に与える影響は何か？
• RQ4 可変磁気ホリシティを有する簡略化されたダイナモモデルに、実際の黒spotデータを組み合わせることで、観測された太陽黒spot周期の振幅をどの程度再現できるか？
• RQ5 初期条件をわずかに変化させた場合に予測はどの程度安定するか、そしてこれは予測信頼性に何を示唆するか？

主な発見

• EnKF手法は、過去の太陽黒spot周期（16–23）の振幅について、周期の最初の半分にかけて平均8–12%の誤差で妥当な予測を達成した。
• モデルは、太陽黒spot周期24が周期23に比べて約30%弱くなると予測しており、平滑化された年間黒spot数のピークは約80である。
• 2008年にテストされた複数の初期条件セットにおいて、周期24の予測は一貫しており、予測の堅牢性を示している。
• 予測では、周期24の最大値は2013年ごろに達するとされており、周期23は以前の予想とは異なり、2007年に終了したのではなく2008年まで継続した。
• モデルの位相が観測周期の位相に遅れていると予測精度が著しく低下したが、モデル位相をわずかに前進させると精度が向上した。
• 本研究では、黒spot数データだけでは、信頼性の高い予測が不十分であることが明らかになった。今後のモデルには、追加の磁場およびホリシティデータの統合が不可欠である。