太阳风动压脉冲结构与地磁急始关系研究

针对1994-2011年的363例地磁急始事件,基于太阳风动压脉冲（DPP）结构自动识别算法确定是否有相应的太阳风动压脉冲结构事件与其相关联,进而针对太阳风动压脉冲结构地磁急始关联事件进行统计分析研究.研究结果显示:91%的地磁急始事件与DPP事件相关联,53%的地磁急始事件与行星际激波相关联,这表明太阳风动压脉冲结构是引起地磁急始更普遍的原因;引起地磁急始的太阳风动压脉冲结构事件约70%发生在行星际日冕物质抛射、共转相互作用区以及行星际日冕物质抛射和/或共转相互作用区相互作用形成的复杂抛射物等大尺度太阳风扰动结构中,且其平均动压变化幅度为3.9nPa,强太阳风动压脉冲结构事件占全体事件的42%;地磁急始事件变化幅度与太阳风动压脉冲变化幅度以及上下游动压平方根差之间存在明显的相关关系,相关系数分别为0.79和0.82,并且行星际磁场南向时相关性更强;太阳风动压脉冲结构事件持续时间、传播速度、动压变化幅度对地磁急始事件的持续时间有一定影响,但这些参数与地磁急始事件的相关关系较弱.研究结果可为基于太阳风动压脉冲结构特征参数开展地磁急始预报提供研究基础.      

ICME期间磁暴的太阳风参数和极光沉降能量

基于1995-2004年ICME驱动的强烈磁暴(SA型)、强磁暴(SB型)和延迟型主相暴(SC型)三种磁暴类型,对1AU处太阳风动压、太阳风速度、行星际磁场、EK-L电场以及极光沉降能量进行时序叠加分析,并分别与-vBz耦合函数和Newell耦合函数进行对比.结果表明,三种磁暴在ICME到达前期的太阳风动压较稳定,背景太阳风、极光沉降能量、行星际磁场和磁层存在相对平静期. ICME到达前期SA型磁暴的背景太阳风速度、行星际磁场南向分量以及极光沉降能量的均值高于另外两种磁暴类型,这说明大型日冕物质抛射在ICME到达前就对行星际磁场、背景太阳风和HP产生了影响.磁暴急始后,SC型磁暴的EK-L电场斜率小,峰值延后且行星际磁场北向分量增强,这些都是磁暴主相延迟的表现,极光沉降能量随着行星际磁场转为南向而增加.     

1998年10月18——-19日磁暴主相的行星际源分析

采用高时间分辨率的地磁指数SYM-H, 同时考虑日地连线引力平衡点(L1点)太阳风地磁效应的滞后性, 精确分析了1998年10月18---19日大磁暴主相的行星际源. 分析结果表明, 磁暴主相的行星际源仅为行星际激波和行星际日冕物质抛射之间的太阳风(Sheath), 磁云对磁暴主相没有贡献. 这个磁暴事例的研究表明, 行星际磁场南向分量与太阳风动压的乘积是影响磁暴主相发展的关键参数.      

亚暴起始地磁指数判断的统计研究

利用2004年地磁西向电急流 AL指数, 亚暴电急流AE指数和场向电流AF指数来确定亚暴起始, 并与2004年亚暴极光起始进行对比. 研究发现, 如果以极光亚暴起始为时间零点, 亚暴的西向电急流AL起始和电急流AE起始主要分布于-5~+6 min的时间范围内, 但在-9~+9 min的时间范围内也有个别事例. 场向电流 AF 起始分布较宽, 可以分布于-8~+7 min的时间范围内. 平均西向电急流AL起始, 电急流AE起始和场向电流AF起始分别为0.5, 0.5, -0.1min. 通常西向电急流AL起始与极光起始同时的概率最高, 而多数情况下电急流AE起始和场向电流AF起始提前极光起始1min. 这些地面磁场指数确定的亚暴起始分布, 随着亚暴强度的增大(即最小AL指数减少, 最大AE指数增大, 最大AF指数增大)而向极光亚暴起始靠近. 对于5个超级亚暴来说, 其西向电急流AL起始和电急流AE起始都发生在极光起始之前. 这些结果说明对于大亚暴, 电急流的增加要早于极光爆发.      

地球磁场对太阳风扰动响应的研究

分别对行星际激波、太阳风动压增大事件和减小事件的地球磁场响应进行了比较. 分析结果表明, 同步轨道磁场对太阳风扰动在向阳面产生较强的正响应, 在背阳面 响应较弱且有时会出现负响应, 地磁指数SYM-H对太阳风扰动的响应为正响应. 同时还得出, 向阳侧同步轨道磁场响应幅度d Bz与地磁指数响应幅度d SYM-H、上下游动压均方差均具有较好的相关性. 地磁指数响应幅度与同步轨道磁场响应幅度相关关系在激波和动压增大事件中具有一致性, 动压减小事件出 现明显差异, 这说明激波和动压增大事件在影响地球磁场方面具有某种共性.      

第23和24太阳活动周高纬地磁感应电流分布特性

基于高纬度芬兰Mäntsälä地区近两个太阳活动周期（1999—2017年）天然气传输管道的地磁感应电流（GIC，I_GIC）观测数据，统计研究了GIC扰动的分布特征以及强GIC扰动与磁暴和地磁亚暴的相关性.研究发现:95.83%时间段的GIC强度分布在0～1A之间.定义:若某个时间段|I_GIC|_max> 1A，则认为发生GIC扰动；|I_GIC|_max>10A，则认为发生强GIC扰动事件.GIC扰动在磁地方时夜侧附近发生的概率最高，这主要与地磁亚暴发生期间电离层电流最剧烈的变化发生在磁地方时夜侧附近有关；强GIC扰动经常爆发式出现，且都发生在磁暴期间，但大多数磁暴并不伴随强GIC扰动事件发生.磁暴急始驱动的强GIC扰动事件较少，由磁层压缩引起地磁场突然增强驱动的强GIC扰动事件持续时间较短；强GIC扰动事件主要发生在磁暴主相和恢复相，由环电流变化驱动的强GIC扰动事件一般持续时间较长且强度较大.      

磁层大尺度扰动的赤道电急流效应—中国,印度低纬台站的分析结果

本文利用印度TRIVANDRUM、KODAIKANAL、ANNAMALAINAGAR和中国的琼中等低纬台站1983—1984两年地磁Z分量资料,对磁层大尺度扰动的赤道电急流效应作了进一步研究.形态分析和周期迭加分析结果证实了作者仅用我国地磁资料所得的结论,即对应磁层环电流的发展,有ΔZ的负扰(即附加东向电急流).双站对比和地方时平均法表明,该效应在日侧最大,半夜至黎明前最弱.有关观测特征与模式计算基本相符.     

1997年1月6—11日日地连接事件：对磁暴—环电流—对流电场的讨论

给出了1997年1月6—11日日地连接事件的太阳风和行星际扰动及由此产生的地磁扰动特征．利用这些资料对磁暴-环电流-对流电场的分析表明,磁暴主相（或环电流）的开始主要是IMF南向分量形成的对流电场直接驱动的结果;对流电场在磁暴主相的形成中有极为重要的作用;但在主相发展的不同阶段作用不同     

异常SSC事件的行星际原因分析

磁暴急始(SSC)是强烈太阳风动压或行星际激波与磁层相互作用的结果.通常SSC事件的上升时间在4～10 min,我们把上升时间超过15 min的SSC事件称为异常SSC事件.本文利用地磁SYM-H指数鉴别出了5个有地磁观测历史以来发生的上升时间大于15 min的异常SSC事件,并利用Wind,ACE,IMP 8,Goes,Geotail多点卫星太阳风观测数据和地磁观测数据,分析了异常SSC事件的行星际原因.结果表明,异常SSC事件通常都是强烈行星际扰动引起的,5个异常SSC事件有4个对应于行星际激波,有3个对应于多步太阳风动压跃变,有1个对应于行星际电场大幅度变化;由行星际激波产生的异常SSC事件,其上升时间依赖于行星际激波的方向,方向相对于日地连线越偏,上升时间越长;异常SSC事件上升时间与行星际磁场方向关系不明显.      

由太阳爆发事件特征预报地磁暴方法研究

CME是非重现性地磁暴的诱因,通过对太阳耀斑爆发活动的特征与可能引起地磁活动的CME进行统计分析,发现太阳耀斑的强度、位置、持续时间以及耀斑所伴随的太阳质子事件和行星际高能质子通量的增长与CME的特征及可能产生的地磁扰动有着密切的关系.在对数据分析的基础上,建立了基于人工神经网络的预报模式,对太阳耀斑爆发活动所引起的地磁扰动的发生及Ap指数进行了预报,取得了较好的结果.      

1993年9月12—14日磁暴期间磁层—电离层耦合分析

采用具有明确物理意义的多个地磁指数，以及地面台站链观测的地磁和电离层参数，对一次典型磁暴期内从极光区到赤道附近电离层电流、电场演化发展的耦合过程作了具体分析．结果表明，地磁指数和观测参数能较好地说明磁层－电离层耦合理论结果的主要特征．     

AL index dependence on the solar wind input revisited

Estimates of the geomagnetic indices made with real-time solar wind measurements form the basis of many space weather forecast techniques. We analyze 20 years of hourly AL and OMNI solar wind data to determine geomagnetic importance of various solar wind and IMF parameters. Besides the solar wind driver of primary importance (VB_s), the first-order contributions, significantly increasing the quality of the model are: solar wind velocity, 2 h of solar wind prehistory and 1 h of AL history. The factors of secondary importance, marginally contributing to overall statistical quality, are IMF B_y, solar wind density, and IMF fluctuations. The dynamic pressure is geomagnetically effective only if the pressure is lower than the average. Modelling of the same data set with an artificial neural network (ANN) confirmed our selection of important factors. Statistically the ANN model was just marginally better than our analytic expression . The AU index dependence is principally different from AL in several respects; therefore modelling of the AE composite index is physically misleading.     

磁层-电离层电动耦合与中纬地磁指数的变化

本文探讨磁层一电离层耦合过程内中纬地磁指数的变化特点,并与极光电集流和赤道电集流(指数)变化相比较。相关分析和时序叠加分析均表明,高、中、低纬地磁指数变化可归结为磁层一电离层电动耦合的统一物理图象。有R事件的磁暴主相初期和无R事件的磁扰期内,赤道电集流和中纬地磁指数的变化各不相同。这再次证明,耦合分析中将磁层源扰动的直接穿透作用与经电离层内动力过程的效应二者加以区分和综合研究是很重要的。      

磁层－电离层电动耦合与中纬地磁指数的变化

本文探讨磁层一电离层耦合过程内中纬地磁指数的变化特点，并与极光电集流和赤道电集流（指数）变化相比较．相关分析和时序叠加分析均表明，高、中、低纬地磁指数变化可归结为磁层一电离层电动耦合的统一物理图象．有Ｒ事件的磁暴主相初期和无Ｒ事件的磁扰期内，赤道电集流和中纬地磁指数的变化各不相同．这再次证明，耦合分析中将磁层源扰动的直接穿透作用与经电离层内动力过程的效应二者加以区分和综合研究是很重要的．     

冕洞特征参数与地磁暴强度及发生时间统计

地磁暴是空间天气预报的重要对象.在太阳活动周下降年和低年，冕洞发出的高速流经过三天左右行星际传输到达地球并引发的地磁暴占主导地位.目前地磁暴的预报通常依赖于1AU处卫星就位监测的太阳风参数，预报提前量只有1h左右.为了增加地磁暴预报提前量，需要从高速流和地磁暴的源头即太阳出发，建立冕洞特征参数与地磁暴的定量关系.分析了2010年5月到2016年12月的152个冕洞-地磁暴事件，利用SDO/AIA太阳极紫外图像提取了两类冕洞特征参数，分析了其与地磁暴期间ap，Dst和AE三种地磁指数的统计关系，给出冕洞特征参数与地磁暴强度以及发生时间的统计特征，为基于冕洞成像观测提前1～3天预报地磁暴提供了依据.      

Case study of September 24–26, 1998 magnetic storm

We compute global magnetospheric parameters based upon solar wind data obtained from the WIND spacecraft upstream. Using the paraboloid magnetospheric model, calculations of the dynamic global magnetospheric current systems have been made. The solar wind dynamic pressure, the interplanetary magnetic field, the strength of the tail current, and the ring current control the polar cap and auroral oval size and location during the magnetic storm. The model calculations demonstrate that the polar cap and the auroral oval areas are mainly controlled by the tail current. The substorm onset at 0630 UT on September 25, 1998 happened near the minimum in the main phase field depression. The substorm expansion onset time is also marked by a sudden enhancement in the solar wind dynamic pressure and an enhancement in the tail current. The magnetic signatures of these two effects cancel each other, which explains why the D_st profile shows no strong time variation during the substorm. Evidence for the substorm expansion includes not only the signature in the AL index but also the strong asymmetry of the low latitude magnetic disturbances (substorm positive bay signature). Model calculations were checked by comparison with the GOES 8 and 10 magnetic field measurements.     

Statistical survey on sawtooth events,SMCs and isolated substorms

Solar wind driving can cause a variety of different responses in the magnetosphere. Strong and steady driving during geomagnetic storms may result in sawtooth events. Strong to moderate driving may be followed by either sawtooth events or steady magnetospheric convection (SMC) events. Lower solar wind energy input typically leads to the formation of isolated non-storm substorms. This study uses superposed epoch analysis to reveal the typical properties of these three event groups as well as their similarities and differences. We use IMF and solar wind parameters, as well as ground-based indices (AL, SYM-H, ASY-H, PCN) to examine the level of solar wind driving and its response in the magnetosphere. Our results show that sawtooth events are associated with the strongest ionospheric activity. The subgroups of events during constant solar wind _EY$E_Y$ show that the key difference between the events is the average solar wind speed. Particularly, the high activity during sawtooth events is driven by high solar wind speed, while the lowest average speed during the SMCs may explain the lack of substorm activity during the steady convection periods.     

Magnetotail current contribution to the Dst Index Using the MT Index and the WINDMI model

In this paper, we have improved the capabilities of a low dimensional nonlinear dynamical model called WINDMI to determine the state of the global magnetosphere by employing the magnetotail (MT) index as a measurement constraint during large geomagnetic storms. The MT index is derived from particle precipitation measurements made by the NOAA/POES satellites. This index indicates the location of the nightside ion isotropic boundary, which is then used as a proxy for the strength of the magnetotail current in the magnetosphere. In Asikainen et al. (2010), the contribution of the tail current to the Dst index is estimated from an empirical relationship based on the MT index. Here the WINDMI model is used as a substitute to arrive at the tail current and ring current contribution to the Dst index, for comparison purposes. We run the WINDMI model on 7 large geomagnetic storms, while optimizing the model state variables against the Dst index, the MT index, and the AL index simultaneously. Our results show that the contribution from the geotail current produced by the WINDMI model and the MT index are strongly correlated, except during some periods when storm time substorms are observed. The inclusion of the MT index as an optimization constraint in turn increases our confidence that the ring current contribution to the Dst index calculated by the WINDMI model is correct during large geomagnetic storms.