2010, Vol. 53
2. 中国科学院研究生院, 北京 100049;
3. 国家空间天气监测预警中心, 北京 100081
2. Graduate University, Chinese Academy of Sciences, Beijing 100049, China;
3. National Center for Space Weather, Beijing 100081, China
太阳质子事件（SPE）是一种强烈的太阳爆发活动，它所产生的高能粒子在行星际空间传播，会影响日地空间环境.太阳质子事件是引起日地系统扰动的极重要的源，能造成近地空间的灾害性扰动，对空间环境和航天业务产生很大的影响，因而受到广泛的关注[1, 2].目前国际上公认的太阳质子事件确认标准是：能量E > 10 MeV的质子在连续15 min以上的时间内通量超过10个/（cm2·s·sr）[3, 4].随着空间技术的快速发展，太阳质子事件造成的损失会更加严重和广泛，因此，对质子事件进行深入的研究，掌握它的规律并对它进行预报，具有很重要的意义.
从1955年到现在，人类在地球上已经观测到了375个太阳质子事件.太阳质子事件通常可分为两类：脉冲型事件和缓变型事件，这两类质子事件的粒子成分、持续时间和相对应的射电爆发类型都有区别[5, 6].脉冲型质子事件的加速源为太阳耀斑，而大的缓变型的太阳质子事件与太阳耀斑无关，日冕物质抛射（CME）驱动的激波是粒子唯一的加速源[7~10].
人们已经做了大量的相关研究工作，预报也取得了一些成果[11].由于对质子事件发生后在行星际空间传播的过程和相互作用机制不太了解，只能进行经验性的统计预报研究.还有人从相关性方面进行研究，找出质子事件最相关的前兆来进行预报[12].特别是伴随耀斑发生的质子事件，通过对质子耀斑的监测，能够对质子事件的通量水平提前做出很好的预报[13].
现阶段的质子事件预报模式主要依靠对过去质子事件的观测，在经验统计的基础上，根据一定时期内太阳质子通量水平，以及对相关参量如峰值流量、延迟时间等的分析来预报质子事件[4, 14].例如King模型[4, 14]，即质子通量水平的模型，它假设太阳黑子数和年均质子总通量水平线性正相关.该模型在很长一段时间被视作空间任务期间的总太阳质子通量水平的标准模型.1990年Feynman及其同事建立了JPL模型[4, 15]，它假设质子事件的积分流量服从对数正态分布，根据所用的数据特征得出平均对数流量和标准偏差，在统计分析的基础上，对持续时间超过一年的空间任务，预报不同能量范围质子积分流量水平，取得了很好的效果.
随着我国空间探测和载人航天等工程的发展和需要，我国学者日益重视太阳质子事件的预报工作，并提出一些比较好的预报方法，如胡雄[4, 16]等人采用全连接型神经网络结构，对百天发生的质子事件进行预报，准确率达到92%.张勤等人[4, 17]用模糊聚类方法研究对质子耀斑提前1~3天的短期预报，对1984年上半年和1985年1~5月两个时段的检验表明，预报准确率分别为86%和100%.这些方法主要预报太阳质子事件的有无，而对质子流量的演变没有考虑.
典型的单个缓变型太阳质子事件随时间变化的轮廓如图 1a所示.从图上可以看出，典型的缓变太阳质子事件具有如下特征：从质子被加速到质子通量增强有一个传播延迟时间，通常为20~90min.最初的通量是各向异性的，偏于向前的方向，但逐渐地变为各向同性.质子通量强度快速上升到一个峰值（上升相），然后缓慢地衰减到背景水平（下降相），一般是以指数规律衰减的.通常在10~14h后，可下降到峰值流量的1/e的水平[4].本文即基于对这种典型特征的统计验证，提出了一种预报质子事件流量的思路.
|
图 1 （a）典型的单个太阳质子事件随时间变化的轮廓图；（b）用公式（1）对1997年11月6日事件进行拟合的结果；（c）全部样本峰值流量和峰值时间归一化后的轮廓 Fig. 1 (a) A typical single solar proton events over time-varying contour map; (b) The fitting results with the formula (1) for November 6, 1997 event; (c) The normalized contours for maximum flux of all the sample speak flow and peak time |
本文将介绍一种针对上述典型的单个太阳质子事件的预报方法.我们分析了1988~2006年间GOES卫星所观测到的全部SPE共165个，其中如图 1a所示的典型的可分辨上升相的缓变型质子事件37个.数据来自于http://spidr.ngdc.noaa.gov/spidr/index.jsp，时间分辨率为5min.
对质子事件的变化规律，流量的对数可用公式（1）来描述：
|
(1) |
其中系数A即为质子事件的峰值的对数，τm是峰值对应的时间，系数τa是上升相的上升时间，τd是下降相的下降时间.先分析一个具体事件：图 1b是对1997年11月6日事件进行拟合得到的结果，图中虚线为实测值，实线为拟合值.可见式（1）是一个很好的描述.
把所有事件的峰值流量和峰值时间进行归一化，即令每个事件的峰值流量为1，峰值发生时间为1，发现它们的轮廓极其相似，都具有相似的演化规律，先快速上升，达到峰值后指数下降，见图 1c.这进一步验证了文献[4]的结论.从图 1c可以看出，通量下降阶段变化比较复杂.本文仅研究通量上升阶段，并由此预报峰值A的对数及其对应的时间τm.
从图 1c还可以看出，对于质子事件峰值的预测，可以用公式（2）对上升相进行拟合，如拟合的各参数有明显的规律性，则可根据得到的系数进行质子流量峰值预报.其中系数A即为我们要进行预报的质子事件的峰值，而系数τa则是上升相上升时间.当完全不考虑下降相而仅考虑上升相时，公式（1）可简化为
|
(2) |
根据公式（2），可以利用质子流量突然增加后的观测数据来预测A′.为了减小个别数据对预报结果的影响，首先对数据进行15 min滑动平均，显然使用的数据点的多少将强烈地影响结果.
以2005年6月16日事件为例，分别使用质子通量增加后1~100个点的观测值对峰值进行预报.采用连续增加的数据点来拟合通量的变化，可以看出：随着所采用数据的增加，预报值A′由远远高于实测值，到越来越接近实测值；当所采用的数据点继续增多时，又发生预报值比实测值偏低，并趋近于一个恒定值，详见图 2.图中横轴为所采用的数据点数，纵轴为质子流量实测值的常用对数值.其他事例也给出类似的结果.
|
图 2 2005年6月16日事件的峰值流量拟合所用数据点的关系曲线 Fig. 2 The relationship curves between the peak flow and the used fitting data for June 16, 2005 event |
由图 2可以看出，当观测到质子流量增强开始后，对30个以上数据点（150min，2.5h）的拟合，系数A′几乎不再变化，趋于一个恒定值.实际上，对于本例，从观测到流量开始增强到达到峰值的时间为10h，预报提前量在7h以上.对于本文中的62个事件，采用的是1.5~3h的观测值进行的预报，时间提前量在2h以上.
对选定的62个事件的峰值进行预报分析表明，虽然该A′并不是实际流量峰值A，但所有样本分析表明该A′与A之间存在非常明显的规律，详见图 3a.
|
图 3 （a）A与A′之间的关系；（b）A与Ap之间的关系 Fig. 3 (a) Relation between A and A; (b) Relation between A and Ap |
相关分析结果表明，二者之间存在显著的线性相关，相关系数R=0.98，标准偏差σ=0.18.二者之间的相关关系为
|
(3) |
因此在得到拟合的A′（最初的预报值）之后，可以根据公式（3）对预报值进行修正，得到修正后的预报值Ap，图 3b所示为Ap与观测值A之间的关系，可以看出，预报值Ap与观测值A之间的相关性显著提高，二者之间的关系为
|
(4) |
对结果进行分析，可见预报值和实测值都在同一个量级以内.
由于Ap和A都是取常用对数后的峰值流量，在作误差分析时，为了与实际情况相符，必须把Ap和A换算回去.这样处理后的绝对误差分布见图 4a.相对误差分布在-70%~90%之间的范围内，平均相对误差为32%.且74%的样本相对误差在50%以内，详见图 4b.由于通常业务中关心的是质子流量的量级，我们的预报值和实测值都在同一个量级以内，因此预报结果在预警业务可接受范围内，可用于空间天气预警业务之中.
|
图 4 （a）A与Ap之间的绝对误差；（b）A与Ap之间的相对误差 Fig. 4 (a) Analysis of absolute error between A and Ap; (b) Analysis of relativity error between A and Ap |
我们对典型的单个太阳质子事件进行分析，基于其形态提出一种新的预报方法.结果表明：
（1）对典型的单个太阳质子事件来说，上升相和下降相都遵从指数变化规律.我们采用连续增加的数据点来拟合通量的变化，对峰值进行预报，即需要一定的观测时间才能从更多的数据中提取出一次事件的信息，从而对峰值做出预报，所以本方法对缓变型质子事件的预报效果较好，而对于脉冲型的质子事件，由于它在很短的时间内就已经达到峰值，所以不适合用该方法对其进行预报.
（2）采用连续增加的数据点来拟合通量的变化，开始数据量较少时，预报值A′远远高于实测值，预报误差较大；随着所采用数据的增加，事件的信息量增加，预报值越来越接近实测值.当所采用的数据点继续增多时，由于下降相的信息已经显现，而我们的方法中只考虑了上升相的作用，所以必然又发生预报值比实测值偏低的情况.未来可以考虑公式（1），同时加入上升相和下降相的因子对数据进行拟合预报，从而提高预报精度.
（3）本方法的预报值和实测值都在同一个量级以内，平均相对误差为32%，预报误差在可接受范围内，时间提前量在2h以上，这种预报能够基本满足目前空间天气监测预警业务的需要.
| [1] | 刘振兴. 中国空间风暴探测计划和国际与日共存计划. 地球物理学报 , 2005, 48(3): 724–730. Liu Z X. Space Wind and Storms Exploration Program and International Living with a Star Initiative. Chinese J. Geophys. (in Chinese) , 2005, 48(3): 724-730. |
| [2] | 邹鸿, 肖佐, 郝永强, 等. "资源一号"卫星星内粒子探测器对扰动事件的观测. 地球物理学报 , 2006, 49(3): 636–641. Zou H, Xiao Z, Hao Y Q, et al. Observation of the disturbed events by the particle detector inside "ZY-1" satellite. Chinese J. Geophys. (in Chinese) , 2006, 49(3): 636-641. |
| [3] | Shea M A, Smart D F. Solar proton event patterns. Adv Space Res , 2002, 29(3): 325-330. DOI:10.1016/S0273-1177(01)00592-0 |
| [4] | 何玉林, 王华宁. 太阳质子事件研究进展. 科学技术与工程 , 2006, 6(24): 3900–3908. He Y L, Wang H N. Research progress of solar proton events. Science Technology and Engineering (in Chinese) , 2006, 6(24): 3900-3908. |
| [5] | Cliver, Gentile L, McNamara L. Peak-flux-density of large solar radio burst and proton emission from flares. Solar-Terrestrial Predictions Proceeding of a Workshop, Meudon, France, 1984.212 |
| [6] | Cliver E. X-class soft burst and major proton event during solar cycle 21. Solar-Terrestrial Proceeding of a Workshop, leura, Australia , 1989, 1: 359. |
| [7] | 乐贵明, 唐玉华, 韩延本. 太阳高能粒子的日冕逃逸时间与日冕加速源. 科学通报 , 2007, 52(21): 2461–2467. Le G M, Tang Y H, Han Y B. Corona escape time and corona accelerated source for solar energetic particles. Chinese Science Bulletin (in Chinese) , 2007, 52(21): 2461-2467. |
| [8] | 乐贵明. 2000年7月14日与2003年10月28日太阳质子事件的观测比较分析. 科学通报 , 2006, 51(15): 1746–1750. Le G M. Solar proton events observed comparative analysis of July 14, 2000 and October 28, 2003. Chinese Science Bulletin (in Chinese) , 2006, 51(15): 1746-1750. |
| [9] | Reames D V. Particles acceleration at the Sun and in the heliosphere. Space Sci Rev , 1999, 90: 413-491. DOI:10.1023/A:1005105831781 |
| [10] | Reames D V. Magnetic topology of impulsive and gradual solar energetic particle events. Astrophys J , 2002, 571: L63-L66. DOI:10.1086/341149 |
| [11] | 龚建村, 薛炳森, 刘四清, 等. 神经网络方法在太阳质子事件短期预报中的应用. 空间科学学报 , 2003, 23(6): 443–451. Gong J C, Xue B S, Liu S Q, et al. Neural network method in the short-term prediction of solar proton events application. Chinese Journal of Space Science (in Chinese) , 2003, 23(6): 443-451. |
| [12] | 张桂清. 太阳质子活动区. 中国科学(A) , 2000, 30(Suppl.): 103–106. Zhang G Q. Solar proton activity area. Science in China (Series A) (in Chinese) , 2000, 30(Suppl.): 103-106. |
| [13] | 马宇倩, 王焕玉, 张承模, 等. 2001年4月2日太阳耀斑及其太阳质子事件的观测结果研究. 地球物理学报 , 2004, 47(5): 737–742. Ma Y Q, Wang H Y, Zhang C M, et al. A conjunctive of solar flare 20010402 and related solar proton events. Chinese Journal of Geophysics (in Chinese) , 2004, 47(5): 737-742. |
| [14] | Stassinopoulos E G, King J H. Empirical solar proton model for orbiting spacecraft applications. IEEE Transactions on Aerospace and Electronic Systems , 1974, AES-10: 442-450. DOI:10.1109/TAES.1974.307797 |
| [15] | Feynman J, Armstrong T P, Dao-Gibner L, et al. A new interplanetary proton fluence model. J Spacecraft Rockets , 1990, 27: 403. DOI:10.2514/3.26157 |
| [16] | 胡雄, 黄泽荣, 张训械, 等. 太阳质子事件警报. 空间科学学报 , 1998, 18(4): 323–328. Hu X, Huang Z R, Zhang X X, et al. Solar proton events alerts. Chinese Journal of Space Science (in Chinese) , 1998, 18(4): 323-328. |
| [17] | 张勤, 洪琴芳. 用模糊聚类方法探讨太阳质子耀斑的短期预报. 天文学报 , 1986, 27(2): 164–169. Zhang Q, Hong Q F. Using the fuzzy clustering method for the short-term prediction of the proton flares. Acta Astronomy Science (in Chinese) , 1986, 27(2): 164-169. |