MétaCan
Menu
Retour à la cohorte
Enregistrement W3109400899 · doi:10.1051/swsc/2020068

An integrated data-driven solar wind – CME numerical framework for space weather forecasting

2020· article· en· W3109400899 sur OpenAlexafffundabout
N. Narechania, Ljubomir Nikolić, Lucie Fréret, Hans De Sterck, C. P. T. Groth

Notice bibliographique

RevueJournal of Space Weather and Space Climate · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSolar and Space Plasma Dynamics
Établissements canadiensUniversity of WaterlooUniversity of TorontoNatural Resources Canada
Organismes subventionnairesNatural Resources CanadaCanadian Space AgencyInstituto de Astrofísica de CanariasUniversity of TorontoCompute CanadaNational Science FoundationGovernment of CanadaCalifornia Institute of Technology
Mots-clésSolar windMagnetohydrodynamicsCoronal mass ejectionHeliospherePhysicsSpace weatherInterplanetary magnetic fieldDiscretizationGeophysicsMathematical analysisMathematicsMagnetic field

Résumé

récupéré en direct d'OpenAlex

The development of numerical models and tools which have operational space weather potential is an increasingly important area of research. This study presents recent Canadian efforts toward the development of a numerical framework for Sun-to-Earth simulations of solar wind disturbances. This modular three-dimensional (3D) simulation framework is based on a semi-empirical data-driven approach to describe the solar corona and an MHD-based description of the heliosphere. In the present configuration, the semi-empirical component uses the potential field source surface (PFSS) and Schatten current sheet (SCS) models to derive the coronal magnetic field based on observed magnetogram data. Using empirical relations, solar wind properties are associated with this coronal magnetic field. Together with a coronal mass ejection (CME) model, this provides inner boundary conditions for a global MHD model which is used to describe interplanetary propagation of the solar wind and CMEs. The proposed MHD numerical approach makes use of advanced numerical techniques. The 3D MHD code employs a finite-volume discretization procedure with limited piecewise linear reconstruction to solve the governing partial-differential equations. The equations are solved on a body-fitted hexahedral multi-block cubed-sphere mesh and an efficient iterative Newton method is used for time-invariant simulations and an explicit time-marching scheme is applied for unsteady cases. Additionally, an efficient anisotropic block-based refinement technique provides significant reductions in the size of the computational mesh by locally refining the grid in selected directions as dictated by the flow physics. The capabilities of the framework for accurately capturing solar wind structures and forecasting solar wind properties at Earth are demonstrated. Furthermore, a comparison with previously reported results and future space weather forecasting challenges are discussed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,877
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,034
Tête enseignante GPT0,285
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Space Weather and Space ClimateMême sujetSolar and Space Plasma DynamicsTravaux en français237 207