Vector graphs, phase trajectories and portraits of the magnetic field and velocities of solar plasma particles in the phase space of the heliosphere

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 material presented in the paper continues a series of studies on the development of the use of the vector graph method for analyzing the characteristics of complex field and plasma structures generated by the Sun in interplanetary space. With a simplified approach to describing such systems using statistical methods, the collective processes of plasma and field interactions may remain undetected, in particular, complex multicomponent structures in the spatiotemporal distribution functions may be missed. The main problem of statistical methods is the neglect of the order of the states of the system being studied and the loss of information contained in this order. Based on the data blocks obtained by the detectors of the WIND apparatus in the CWE research complex and provided by the Coordinated Data Analyzes Web database, implementations of graphs for magnetic field induction vectors and solar wind particle velocity vectors reconstructed on the basis of experimental samples are discussed. The regimes of magnetic storms, the formation of magnetic clouds, and events associated with coronal mass ejections, both ICME and CME, are considered. The presented new method of synchronized pairs of graphs allows us to move from a phenomenological description of the process to a classification of the types of observed and studied multi-processes based on the structural implementations of graphs.

全文:

受限制的访问

作者简介

Yu. Antonov

Lomonosov Moscow State University

Email: suhareva@phys.msu.ru
俄罗斯联邦, Moscow

V. Zakharov

Lomonosov Moscow State University; Institute of Atmospheric Physics named after A.M. Obukhov RAS; Schmidt Institute of Physics of the Earth of the Russian Academy of Sciences

Email: suhareva@phys.msu.ru
俄罗斯联邦, Moscow; Moscow; Moscow

I. Myagkova

Lomonosov Moscow State University

Email: suhareva@phys.msu.ru

Skobeltsyn Institute of Nuclear Physics Lomonosov Moscow State University

俄罗斯联邦, Moscow

N. Suhareva

Lomonosov Moscow State University

编辑信件的主要联系方式.
Email: suhareva@phys.msu.ru

Skobeltsyn Institute of Nuclear Physics Lomonosov Moscow State University

俄罗斯联邦, Moscow

Yu. Shugai

Lomonosov Moscow State University

Email: suhareva@phys.msu.ru

Skobeltsyn Institute of Nuclear Physics Lomonosov Moscow State University

俄罗斯联邦, Moscow

参考

  1. Maiewski E.V., Malova H.V., Popov V.Y., Zelenyi L.M. Ulysses flyby in theheliosphere: Comparison of the solar wind model with observational data // Universe. 2022. V. 8(6). Art.ID. 324. https://doi.org/10.3390/universe8060324
  2. Koomen M., Detwiler C., Brueckner G. et al. White lightcoronagraph in OSO-7 // Applied Optics. 1975. V. 14(3). P. 743–751.
  3. Chikunova G., Dissauer K., Podladchikova T. et al. Coronal dimmings associated with coronal mass ejections on the solar limb // Astrophysical J. 2020. V. 896(1). Art.ID. 17. https://doi.org/10.3847/1538-4357/ab9105
  4. Wilson L.B. III, Brosius A.L., Gopalswamy N. et al. A quarter century of wind spacecraft discoveries // Reviews of Geophysics. 2021. V. 59(2). Art.ID. e2020RG000714. https://doi.org/10.1029/2020RG000714
  5. Wilson L.B. III. Wind 2020 senior review proposal. https://wind.nasa.gov/docs/Wind_SR2020_proposal.pdf
  6. Lepping R., Acũna M., Burlaga L. et al. The wind magnetic field investigation // Space Science Reviews. 1995. 71. P. 207–229.
  7. Adhikari L., Khabarova O., Zank G.P. et al. The role of magnetic reconnection–associated processes in local particle acceleration in the solar wind // Astrophysical J. 2019. V. 873(1). Art.ID. 72. https://doi.org/10.3847/1538-4357/ab05c6
  8. Bale S., Badman S., Bonnell J. et al. Highly structured slow solar wind emerging from an equatorial coronal hole // Nature. 2019. V. 576(7786). P. 237–242. https://doi.org/10.1038/s41586-019-1818-7
  9. Alberti T., Consolini G., Carbone V. et al. Multifractal and chaotic properties of solar wind at MHD and kinetic domains: An empirical mode decomposition approach // Entropy. 2019. V.21(3). Art.ID. 320. https://doi.org/10.3390/e21030320
  10. Prasad P.K., Gowrisankar A., Saha A. et al. Dynamical properties and fractal patterns of nonlinear waves in solar wind plasma // Physica Scripta. 2020. V. 95(6). Art.ID. 065603. https://doi.org/10.1088/1402-4896/ab833c
  11. Godsil C., Royle G.F. Algebraic graph theory. Part of the book series: Graduate Texts in Mathematics. V. 207. Springer Science & Business Media, 2001.
  12. Kalofolias V. How to learn a graph from smooth signals // Artificial intelligence and statistics. P. 920–929. PMLR, 2016.
  13. Pal M., Samanta S., Ghorai G. Modern trends in fuzzy graph theory. Springer, 2020.
  14. Cheng S.-W., Cheong O., Lee T. et al. Fitting a graph to one-dimensional data // Theoretical Computer Science. 2021. Iss. 867. P. 40–49.
  15. Daitch S.I., Kelner J.A., Spielman D.A. Fitting a graph to vector data // Proc. 26th Annual International Conference on Machine Learning. Montreal, Canada. 2009. P. 201–208.
  16. Shugay Y., Slemzin V., Veselovsky I. Magnetic field sector structure and origins of solar wind streams in 2012 // J. Space Weather and Space Climate. 2014. V. 4. Art.ID. A24.
  17. Antonov Y., Zakharov V., Myagkova I. et al. Structure and dynamics for graphs of interplanetary magnetic field vectors // Cosmic Research. 2024. V. 62(2). P. 147–161. https://doi.org/10.1134/S0010952523600336
  18. Kilpua E., Isavnin A., Vourlidas A. et al. On the relationship between interplanetary coronal mass ejections and magnetic clouds // Annales Geophysicae. 2013. V. 31(7). P. 1251–1265.
  19. Shaikh Z.I., Raghav A.N. Statistical plasma properties of the planar and nonplanar ICME magnetic clouds during solar cycles 23 and 24 // Astrophysical J. 2022. V. 938(2). Art.ID. 146. https://doi.org/10.3847/1538-4357/ac8f2b
  20. Wu C.-C., Gopalswamy N., Lepping R.P. et al. Characteristics of magnetic clouds and interplanetary coronal mass ejections which cause intense geomagnetic storms // Terrestrial, Atmospheric & Oceanic Sciences. 2013. V. 24(2).
  21. Ghag K., Sathe B., Raghav A. et al. Statistical study of geo-effectiveness of planar magnetic structures evolved within ICME’s // Universe. 2023. V. 9(8). Art.ID. 350. https://doi.org/10.3390/universe9080350
  22. Thalmann J., Dumboviс M., Dissauer K. et al. Tracking magnetic flux and helicity from the Sun to Earth: Multi-spacecraft analysis of a magnetic cloud and its solar source // Astronomy & Astrophysics. 2023. V. 669. Art.ID. A72. https://doi.org/10.1051/0004-6361/202244248
  23. Manchester W. IV, Kozyra J., Lepri S. et al. Simulation of magnetic cloud erosion during propagation // J. Geophysical Research: Space Physics. 2014. V. 119(7). P. 5449–5464.
  24. Li L., Chen T., Shen C. et al. Near-surface atmospheric electric field changes through magnetic clouds via coronal mass ejections // Geoscience Letters. 2023. V. 10(1). Art.ID. 45. https://doi.org/10.1186/s40562-023-00299-2
  25. Cane H., Richardson I. Interplanetary coronal mass ejections in the near-earth solar wind during 1996–2002 // J. Geophysical Research: Space Physics. 2003. V. 108(A4).
  26. Richardson I.G., Cane H.V. Near-earth interplanetary coronal mass ejections during solar cycle 23 (1996–2009): Catalog and summary of properties // Solar Physics. 2010. Iss. 264. P. 189–237.
  27. Antonov J.A., Tsyganov M.V., Suhareva N.A. Topological properties of satellite monitoring time series for the interplanetary magnetic field // 29th International Symposium on Atmospheric and Ocean Optics: Atmospheric Physics. Moscow, Russia. 2023. V. 12780. P. 1491–1497. https://doi.org/10.1117/12.2690853
  28. Landau L.D., Lifshits E.M. Mechanics. V. 1. CUP Archive, 1960.
  29. McConnell A.J. Applications of tensor analysis. Courier Corporation, 2014.
  30. Goodman J.W. Statistical optics. John Wiley & Sons, 2015.
  31. Xie C., Zhong W., Mueller K. A visual analytics approach for categorical joint distribution reconstruction from marginal projections // IEEE Transactions on Visualization and Computer Graphics. 2016. V. 23(1). P. 51–60.
  32. Sadovnikov B., Inozemtseva N., Perepelkin E. Generalized phase space and conservative systems // Doklady Mathematics. 2013. V. 88. P. 457–459.
  33. Perepelkin E.E., Sadovnikov B.I., Inozemtseva N.G. et al. Universal density matrix for the phase space // arXiv preprint. 2019. https://doi.org/10.48550/arXiv.1904.04950
  34. Perepelkin E.E., Sadovnikov B.I., Inozemtseva N.G. et al. Exact time-dependent solution of the Schroedinger equation, its generalization to the phase space and relation to the gibbs distribution // Physica Scripta. 2022. V. 98(1). Art.ID. 015221.
  35. Perepelkin E.E., Sadovnikov B.I., Inozemtseva N.G. et al. Dispersion chain of quantum mechanics equations // J. Physics A: Mathematical and Theoretical. 2023. V. 56(14). Art.ID. 145202. https://doi.org/10.1088/1751-8121/acbd71

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Sample vector graphs of the interplanetary magnetic field (left column) and the solar wind particle velocity (right column) for a quiet magnetic field (upper row) and a magnetic storm regime (lower row)

下载 (414KB)
索引源数据
3. Fig. 2. Vector graphs for the first half of 2023 in the day intervals [050, 070] and [100, 120]

下载 (472KB)
索引源数据
4. Fig. 3. Vector graphs for the second half of 2023 in the day intervals [230, 250] and [300, 320]

下载 (466KB)
索引源数据
5. Fig. 4. Type 0 event. The plasma flow velocity graph did not fit due to partial data loss. The magnetic field graph shows multiple fragments of slow rotation

下载 (215KB)
索引源数据
6. Fig. 5. Type 1 event. The plasma flow velocity graph did not fit due to partial data loss. The magnetic field graph shows pronounced slow rotation of the magnetic field

下载 (222KB)
索引源数据
7. Fig. 6. Type 2 event of January 5, 2023. All signs of a magnetic cloud are present

下载 (223KB)
索引源数据
8. Fig. 7. Type 2 event of April 21, 2023. All signs of a magnetic cloud are present

下载 (219KB)
索引源数据
9. Fig. 8. Type 2 event of April 24, 2023. All signs of a magnetic cloud are present

下载 (220KB)
索引源数据

版权所有 © Russian Academy of Sciences, 2025

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».